Должен ли я использовать только «точно такую ​​же» форму ввода для обучения передачи?

Question

Я тренировал модель CNN с размером входной формы (5x128x128x3) и получил тренировочный вес (5x128x128x3)

Кстати, я хочу использовать этот вес для обучения (7x128x128x3) размера входных данных

Итак, это мой вопрос, должен ли я использовать только ту же форму ввода?Интересно, могу ли я использовать другой размер (в данном случае, 7x128x128x3) ввода для обучения передачи

ValueError: Error when checking input: expected input_1 to have shape (5, 128, 128, 3) but got arry with shape (7, 128, 128, 3)```

Answer 1

Давайте разберем размеры (5x128x128x3) :

Размер first - это размер пакета (который был 5, когда обучалась оригинальная модель).Это не имеет значения, и вы можете установить его на None, как указано в комментариях, для подачи в модель пакетов произвольного размера.

Размеры от второго до третьего (128x128) - это ширинаи высоту изображения, и вы можете изменить их, но трудно сказать наверняка, не зная архитектуру модели и то, какой выходной слой вы используете для трансферного обучения.Причина, по которой вы можете изменить их, заключается в том, что 2-мерные сверточные фильтры повторяются по 2-мерным измерениям (ширине и высоте) изображения, поэтому они остаются действительными для разных значений ширины и высоты (при условии совместимого заполнения).Но если вы слишком сильно измените 2-мерные измерения, возможно, что восприимчивые поля слоев будут изменены таким образом, что это повлияет на эффективность обучения при переносе.Например.если седьмой конв слой в сети для входа 128x128 может видеть все входное изображение при каждой активации (восприимчивое поле 128x128), то если вы удвоите ширину и высоту, он больше не будет, и слой может не распознавать некоторые глобальныеfeatures.

Четвертое измерение *1014* - это количество каналов во входных изображениях, и вы не можете изменить это, поскольку фильтры в первом слое будут иметь 3 веса по измерению глубины.