Keras ResNet50和VGG16用于具有2个通道的数据

在我的数据（光谱图）为（64256,2）形状的情况下，是否有任何方法可以尝试修改ResNet50和VGG16？
我知道我可以去掉一些层并修改它们（输出，密集），但我不确定输入通道

---

有人能建议一种在模型中容纳2个通道的方法吗？非常感谢您的帮助

您可以在输入中使用不同数量的通道（以及不同的高度和宽度），但在这种情况下，您不能使用预训练的imagenet权重。你必须从头开始训练。您可以按如下方式创建它们：

from tensorflow import keras # or just import keras

vggnet = keras.applications.vgg16.VGG16(input_shape=(64,256,2), include_top=False, weights=None)

resnet = keras.applications.resnet50.ResNet50(input_shape=(64, 256, 2), weights=None, include_top=False)

请注意

weights=None

参数。这意味着随机初始化权重。如果将通道数设置为

3

，则可以使用

weights='imagenet'

，但在您的情况下，您有2个通道，因此无法工作，必须将其设置为

None

。

include\u top=False

供您自己添加具有不同类别的最终分类层。您也可以用同样的方法创建

vgg19.vgg19

。对于ResNet，您可以类似地创建它，如下所示：

from tensorflow import keras # or just import keras

vggnet = keras.applications.vgg16.VGG16(input_shape=(64,256,2), include_top=False, weights=None)

resnet = keras.applications.resnet50.ResNet50(input_shape=(64, 256, 2), weights=None, include_top=False)

---

对于vgg和resnet的其他型号和版本，请检查

您想要合并这两个模型，或者您想要使用预训练模型+您的模型我想要修改预训练模型（两个单独），以适合我的2通道数据@谢谢你的帮助，我成功了！太糟糕了，我不能适应训练前的版本。。