tensorflow和kears的data_format数据格式问题详解

Keras实现全连接神经网络(python) 在全连接神经网络(DNN)学习了全连接神经网络的原理,然后再使用Keras来实现全连接神经网络,每一步都清晰描述。 Kears的安装过程参考:Tensorflow和Keras版本对照及环境安装。 Keras中文文档请参考:Keras中文文档。 这里使用Keras来实现神经网络,可能会说怎么不用tensorflow呢? 其实tensorflow没有那么好用。tensorflow跟另外一个相近的工具theano,它们非常flexible。它完全可以做deep learning以外的事情。学起来是有一些难度的。而 阅读详情

DATA_FORMAT

这是一个无可奈何的问题,在如何表示一组彩色图片的问题上,Theano和TensorFlow发生了分歧, '日'模式,也即Theano模式会把100张RGB三通道的16×32(高为16宽为32)彩色图表示为下面这种形式(100,3,16,32),Caffe采取的也是这种方式。第0个维度是样本维,代表样本的数目,第1个维度是通道维,代表颜色通道数。后面两个就是高和宽了。这种theano风格的数据组织方法,称为“channels_first”,即通道维靠前。

而TensorFlow,的表达形式是(100,16,32,3),即把通道维放在了最后,这种数据组织方式称为“channels_last”。

tensorflow的格式如下:

  1. [batch,in_height,in_with,in_channels]批量批次1000高度图片的长宽宽通道通道数

  2. #channels RGB则为3黑白为1

Keras默认的数据组织形式在〜/ .keras / keras.json中规定,查看柯林斯该文件的image_data_format一项查看,也可在代码中通过K.image_data_format()函数返回,请在网络的训练和测试中保持维度顺序一致。

唉,真是蛋疼,你们商量好不行吗?

keras中添加卷积层时,可以指定deat_format格式:

model.add(Convolution2D(
    batch_input_shape=(None, 1, 28, 28),   #多少数据  通道数  宽  高
    filters=32,     #滤波器数量
    kernel_size=5,   #滤波器大小5x5
    strides=1,       #步长1
    padding='same',     # Padding method
    data_format='channels_first',
))

1、代码中的DATA_FORMAT = 'channels_first',即通道维靠前。

[batch,in_channels,in_height,in_with]既批次:批次大小渠道:通道数高度:图片的长宽度:宽

2、当然也可以和tensorflow中的数据格式一样指定 channels_last = 'channels_last',keras默认为channels_last。

 

通用模板:


from keras import backend as K
w = 100   #图片宽度
h = 100   #图片高度
c = 3     #图片通道数
if K.image_dim_ordering() == 'th':
    X_train = X_train.reshape(-1, c, w, h)
    X_test = X_test.reshape(-1, c, w, h)
    input_shape = (1, w, h)
else:
    X_train = X_train.reshape(-1, w, h, c)
    X_test = X_test.reshape(-1, w, h, c)
    input_shape = (w, h, c)

X_train = X_train.reshape(-1, w, h, c)
X_test = X_test.reshape(-1, w, h, c)
input_shape = (w, h, c)

#例
model.add(Convolution2D(
    batch_input_shape=(None,w,h,c),   #多少数据  通道数  宽  高
    filters=32,     #滤波器数量
    kernel_size=5,   #滤波器大小
    strides=1,       #步长
    padding='same'     # Padding method

))
K.image_data_format() == ‘channels_first‘ if K.image_data_format() == 'channels_last': bn_axis = 3 else: bn_axis = 1 Image_data_format(),返回图像的维度顺序(“channels_first"或"channels_last”)。 彩色图像的性质一般包括:width、height、channels 以普通的2562563RGB图像为例: 选择channels_first:返回(3,256,256) 选择channel 阅读详情

相关推荐

基于K.image_data_format() == channels_first 的理解

我们在学习keras经常会看到下面这样的代码段: 查阅官方文档可以知道: 我们知道彩色图像一般会有Width, Height, Channels,而“channels_first”或“channels_last”,则代表数据的通道维的位置。 该参数是Keras 1.x中的image_dim_ordering,“channels_last”对应原本的“tf”,“channels_first”对应原本的“th”。 以128x128x128的数据为例,“channels_first”应将数据组织为(3,128,128,128),而“channels_last”应将数据组织为(128,128,12

tensorflow 中data_format"NCHW" or  "NHWC"

Tensorflow 中 NCHW 和 NHWC的区别: 其中data_format 默认 "NHWC",也可以手动设置为 "NCHW"。这个参数规定了 input Tensor 和 output Tensor 的排列方式。 ata_format 设置为 "NHWC" 时,排列顺序为 [B, H, W, C];设置为 "NCHW" 时,排列顺序为 [B, C, H, W]。 以图像RGB为例,具体的效果如下: 这个怎么解释呢? 得从矩阵的表达方式说起,[B, C, H, W] B 个(C个(H(

lg201601的博客 1386

关于华为高斯数据库出现Invalid or unsupported by client SCRAM mechanisms定位解决的过程

最近公司有个新项目使用的是高斯数据库,因为我们的项目是直接从别的项目组拿来的,配置都是已经配好的,但是在放到正式环境上之后出现报错。起初我们以为是测试和正式的版本不一致,但是结果是版本一致的。最后这个问题搞了我们几个小时,都没法解决。

Curtisjia的博客 3188

tensorflow2.x中的data_format的解释

data_format A string, one ofchannels_last(default) orchannels_first. The ordering of the dimensions in the inputs.channels_lastcorresponds to inputs with shape(batch_size,height,width,channels)whilechannels_firstcorresponds to inputs with sh...

qq_39197555的博客 658

数学概念 | 旋转矩阵、欧拉角、四元数

旋转矩阵、欧拉角、四元数概念及相关运算;

NapoleonCoder的博客 772

innovus:addRepeaterByRule用法

我正在「拾陆楼」和朋友们讨论有趣的话题,你⼀起来吧?addRepeaterByRule不管transition/timing violation,只根据约束的length/cap/fanout等等去给net 插buffer。

m0_61544122的博客 1094

畅游人工智能之海 | Keras教程篇之池化层

各位读者大家好,上周我们详细讲解了Keras的核心网络层,相信大家已经对核心网络层的作用以及使用方法有了一个清晰的认识。这周我们将要开展池化层和卷积层的讲解了,这篇文章就是对池化层的讲解。 首先我们要统一说一下池化层的作用。池化层放在连续的卷积层中间,用于压缩数据和参数的量,防止过拟合。其具体操作与卷积层的操作基本相同,只不过池化层的卷积核只取对应位置的最大值、平均值等(最大池化、平均池化),且...

pandaww的博客 2万+

【动态导通电阻】p-GaN HEMTs正向和反向导通下的动态导通电阻

2024年,浙江大学的研究团队通过多组双脉冲测试方法,深入研究了两种商用p-GaN栅极HEMTs在正向和反向导通模式下的动态导通电阻(RON)特性。研究发现,肖特基型p-GaN栅极HEMTs在反向导通时动态RON比正向导通高3%-5%,而混合漏极嵌入栅注入晶体管在反向导通时动态RON降级较轻,降低约10%。此外,随着漏极电流(IDS)的增加,两种器件在反向导通时动态RON先减小后增加,形成“谷底”现象。

荷塘阅色 827

什么是深度学习?kears简介,深度学习常用的三大模型,MLP(多层感知机),CNN(卷积神经网络),RNN(循环神经网络)

什么是深度学习?kears简介,深度学习常用的三大模型,MLP(多层感知机),CNN(卷积神经网络),RNN(循环神经网络)

Cchaofan的博客 7017

AUTOSAR进阶图解==>AUTOSAR_SWS_ECUStateManager

AUTOSAR ECU State Manager 摘要 AUTOSAR ECU状态管理器(EcuM)是Classic Platform 4.4.0规范中的核心模块,负责管理ECU的整个生命周期,包括启动、运行、关机和睡眠等状态转换。EcuM通过协调各基础软件模块的初始化过程,确保系统可靠运行。 主要功能包括: 启动管理 - 控制从硬件初始化到应用运行的完整启动序列 状态转换 - 管理RUN/POST_RUN/SHUTDOWN等状态切换 唤醒验证 - 区分真实与虚假唤醒事件 关机序列 - 确保安全关机保存关

一名留德华的,康德的信徒的,专注于汽车电子领域的博客 2479

机器学习实战4-教育领域:学生成绩的可视化分析与成绩预测-详细分析

大家好,我是微学AI,今天给大家带来机器学习实战4-学生成绩的可视化分析与成绩预测,机器学习在教育中的应用具有很大的潜力,特别是在学生成绩的可视化分析与成绩预测方面。机器学习可以通过对学生的父母教育情况和学校表现等数据进行分析和挖掘,从而揭示潜在的学习模式和趋势。

微学AI的博客 7682

CNN卷积函数Conv2D()各参数的含义及用法

首先我们放出tf2.0关于tf.keras.layers.Conv2D()函数的官方文档,然后逐一对每个参数的含义和用法进行解释: tf.keras.layers.Conv2D( filters, kernel_size, strides=(1, 1), padding='valid', data_format=None, dilation_rate=(1, 1), activation=None, use_bias=True, kernel_initializer='glorot_

魔法探戈 6万+

Python爬虫实战:58同城租房信息分析与可视化,寻找高性价比房源

随着城市化进程加快,租房需求日益增长。58同城作为国内领先的本地生活服务平台,汇聚了大量房源信息。本教程将使用最新的Python爬虫技术获取58同城租房数据,通过数据分析与可视化揭示各区域租金水平,并运用机器学习算法找出性价比高的房源。本项目将使用异步爬虫、反爬对抗技术、数据清洗、可视化分析和机器学习建模等技术栈。

2201_76125261的博客 1281

将caffe模型转换为TensorFlow(的npy文件)模型

是我等弱渣见识少了,偶然在查资料的过程中发现的,不禁惊呼竟然还有这种操作,以resnet-50为例子,将自己的转换过程记录一下。首先附上转换过程中所要使用的程序,该程序是在GitHub上开源的, 地址为:https://github.com/ethereon/caffe-tensorflow 该项目的readme页面上还列出了使用该项目应该注意的一些事项,例如caffe的版本问题。 我们需要...

sinat_35308776的博客 2450

32、生物医学中的多模态拉曼散射成像技术

本文综述了多模态拉曼散射成像技术在生物医学领域的应用,重点探讨其在肿瘤研究、癌症无创诊断和组织功能分析中的前沿进展。通过结合自发拉曼、相干拉曼散射(CARS/SRS)、光学相干断层扫描(OCT)、荧光寿命成像(FLIM)及多光子显微技术(TPEF/SHG)等多种模态,实现了对细胞和组织的高特异性生化信息与高分辨率形态学特征的同步获取。文章还介绍了多模态SERS纳米探针的设计及其在靶向成像与治疗一体化中的潜力,并系统分析了不同成像方式的操作流程、优势互补性及临床应用场景。最后展望了该技术向小型化、智能化和个性

zzz56的博客 153

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

covid 19展示的四个数据科学基础课

Machine learning and tools for data science are more available than ever. But it’s just as important to learn how to explore data effectively and find out its weaknesses before you feed the data into ...

weixin_26750511的博客 942

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

tensorflow,pytorch中normalize方法

一、tf.linalg.normalize def normalize(tensor, ord="euclidean", axis=None, name=None): """Normalizes `tensor` along dimension `axis` using specified norm. This uses `tf.linalg.norm` to compute the norm along `axis`. This function can compute severa.

henry_xiong030的博客 4094

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0, 兼容Win7/Win10/WinXP,解压就可用。

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

【Tensorflow+Keras】tf.keras.backend.image_data_format()的解析与举例使用

作用 返回“channels_first’或“channels_last”,默认是channels_last channels_first表示图片数据的通道在第一维度[channel,28,28,3] channels_last表示图片数据的通道在最后一个维度[28,28,3,channel] 举例使用 import tensorflow.keras.backend as K image_format = K.image_data_format() image_format 输出 chan

BetterBench的博客 1918

tensorflow常用函数

边界框以[y1,x1,y2,x2]的形式提供,其中(y1,x1)和(y2,x2)是框角的任何对角线对的坐标,坐标可以提供为标准化(即位于间隔[0,1])或绝对坐标。此操作的输出是一组整数,索引到表示选定框的边界框的输入集合中。张量的第-行指定图像中框的坐标,并以归一化坐标指定。的归一化坐标值映射到处的图像坐标,因此归一化图像高度的区间映射到图像高度坐标中。2个元素的一维张量,.所有裁剪的图像块都将调整为此大小。不保留图像内容的纵横比。返回张量或变量的尺寸,作为int或None项的元组。...

qq_52053775的博客 1074

Keras.layer()

目录 Keras.layers Dense(全连接层) Activation(激活函数) Dropout(正则化层) Flatten(展平) Input(用于实例化 Keras 张量) Reshape(调整输入大小) Per...

Z99999888的博客 1425

Keras简介

Keras介绍 Keras是一个开放源码的高级深度学习程序库,使用Python编写,能够运行在TensorFlow或Theano之上。其主要作者和维护者是Google公司的工程师,以MIT开放源码方式授权。Keras使用最少的程序代码、花费最少的时间就可以建立深度学习模型,进行训练、评估准确率,并进行预测。相对来说,使用TensorFlow这样低级的链接库虽然可以完全控制各种深度学习模型的细节,...

魔筝炼药师 6151

【kears】keras中的常用包datasets、models、layers、optimizers

keras中的常用包datasets、models、layers、optimizers

qq_35559420的博客 2015

Keras入门

注解:关于Keras本人是小白,此次也是因为学习其他东西,需要了解Keras的相关知识,所以稍微整理一下........ http://www.cnblogs.com/lc1217/p/7132364.html 为何要用Keras 如今在深度学习大火的时候,第三方工具也层出不穷,比较出名的有Tensorflow,Caffe,Theano,MXNet,在如此多的第三方框架中频繁的更换无疑是很低...

qy13913453196的博客 2万+

深度学习:Keras入门(一)之基础篇

1.关于Keras 1)简介 Keras是由纯python编写的基于theano/tensorflow的深度学习框架。 Keras是一个高层神经网络API,支持快速实验,能够把你的idea迅速转换为结果,如果有如下需求,可以优先选择Keras: a)简易和快速的原型设计(keras具有高...

weixin_30381317的博客 6246
上一篇: 深入浅出 TensorFlow(六)TensorFlow 高层封装
下一篇: 用“Keras”11行代码构建CNN
It_BeeCoder
博客等级 码龄10年 967粉丝 238原创
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值