如何培養CNN的RGB圖像

我目前正在建立一個CNN來區分一個爛蘋果和一個普通的蘋果。我覺得如果我可以用CNG提供RGB圖像，這將是非常有益的。但是，我需要更改以下網絡的具體內容？如何培養CNN的RGB圖像

x = tf.placeholder('float', [None, 784]) 
#y = tf.placeholder(tf.float32, shape=(), name="init") 
y = tf.placeholder('int32') 

keep_rate = 0.8 
keep_prob = tf.placeholder(tf.float32) 

def conv2d(x, W): 
    return tf.nn.conv2d(x, W, strides=[1,1,1,1], padding='SAME') 

def maxpool2d(x): 
    #      size of window   movement of window 
    return tf.nn.max_pool(x, ksize=[1,2,2,1], strides=[1,2,2,1], padding='SAME') 



def convolutional_neural_network(x): 
    weights = {'W_conv1':tf.Variable(tf.random_normal([5,5,1,32])), 
       'W_conv2':tf.Variable(tf.random_normal([5,5,32,64])), 
       'W_fc':tf.Variable(tf.random_normal([7*7*64,1024])), 
       'out':tf.Variable(tf.random_normal([1024, n_classes]))} 

    biases = {'b_conv1':tf.Variable(tf.random_normal([32])), 
       'b_conv2':tf.Variable(tf.random_normal([64])), 
       'b_fc':tf.Variable(tf.random_normal([1024])), 
       'out':tf.Variable(tf.random_normal([n_classes]))} 

    x = tf.reshape(x, shape=[-1, 28, 28, 1]) 

    print("test") 
    print(x) 
    conv1 = tf.nn.relu(conv2d(x, weights['W_conv1']) + biases['b_conv1']) 
    conv1 = maxpool2d(conv1) 

    conv2 = tf.nn.relu(conv2d(conv1, weights['W_conv2']) + biases['b_conv2']) 
    conv2 = maxpool2d(conv2) 

    fc = tf.reshape(conv2,[-1, 7*7*64]) 
    fc = tf.nn.relu(tf.matmul(fc, weights['W_fc'])+biases['b_fc']) 
    fc = tf.nn.dropout(fc, keep_rate) 

    output = tf.matmul(fc, weights['out'])+biases['out'] 
    return output

我試圖改變某些值，但是我不斷得到一個接一個的錯誤。該網絡目前旨在拍攝28乘28通道1灰度圖像。

來源

2017-02-20 Rehaan Ahmad

灰度和RGB圖像之間的唯一區別是帶，數分別爲1和3。

所以，你的CNN必須採取3個條帶作爲輸入，而不是1的其餘部分將被處理。

未做你的代碼運行，你至少需要改變：

weights = {'W_conv1':tf.Variable(tf.random_normal([5,5,3,32])) 
x = tf.reshape(x, shape=[-1, 28, 28, 3])

來源

2017-02-20 12:52:29 bold

對不起，我不小心點擊了下投票按鈕。這不會讓我撤消投票 –

也應該我的maxpool函數中的步幅和k尺寸的第四個值更改爲3，因爲現在顏色通道值是三？ –

阿哈如果你編輯你的回覆，我可以撤消倒票 –

如何培養CNN的RGB圖像

回答

相關問題