Deep learning 将经过训练的RGB resnet50模型转换为灰度_Deep Learning_Grayscale_Mxnet

Deep learning 将经过训练的RGB resnet50模型转换为灰度

deep-learning

Deep learning 将经过训练的RGB resnet50模型转换为灰度,deep-learning,grayscale,mxnet,Deep Learning,Grayscale,Mxnet,是否有直接的方法将经过培训的RGB resnet50 mxnet模型转换为灰度。我只是想节省一些CPU周期，不必在第一层处理3个通道，因为我的输入图像是灰度的。我还希望避免为了创建一个3通道输入而必须堆叠3个灰度图像看看这些参数，第一层似乎有3个通道，非常深。这是否意味着通道是单独处理的，并且仅在模型中更深地连接我正在处理夜视图像。你不能。由于层是为3个通道构建的，权重是为3个通道构建的，因此无法进行转移学习。但您可以查找模型体系结构代码，对其进行灰度编辑，即单通道（它将成为过山车），然

是否有直接的方法将经过培训的RGB resnet50 mxnet模型转换为灰度。我只是想节省一些CPU周期，不必在第一层处理3个通道，因为我的输入图像是灰度的。我还希望避免为了创建一个3通道输入而必须堆叠3个灰度图像

看看这些参数，第一层似乎有3个通道，非常深。这是否意味着通道是单独处理的，并且仅在模型中更深地连接

我正在处理夜视图像。

你不能。由于层是为3个通道构建的，权重是为3个通道构建的，因此无法进行转移学习。但您可以查找模型体系结构代码，对其进行灰度编辑，即单通道（它将成为过山车），然后尝试使用灰度图像进行训练。@venkatakrishnan我正在尝试将权重转换为1通道，而无需重新训练。至少是第一层或前几层。这有帮助吗？