Neural network Keras中的输入预处理

我有一个关于Keras中输入预处理的问题

如果你看预处理的源代码

默认的预处理模式似乎是Caffe。他们的代码片段也直接使用它

我的问题是，为什么Keras不检查Keras.backend（）以找到正确的模式并适当地进行预处理？这可能是一个bug吗

我的后端是tensorflow，所以我想知道直接运行示例中提供的代码是否是一个好主意

---

谢谢

每个模型都有自己的预处理

有些人从您所展示的代码中获取预处理（在代码中用

mode='caffe'

明确声明）。一些模型声明了自己的预处理。始终从与您尝试实例化的模型相同的模块导入预处理函数，以便导入正确的函数

该模式适合于模型的构建方式。如果模型是使用

caffe

模式构建的，那么它只能在输入符合该规范的情况下正常工作

这同样适用于所有其他模式

---

Tensorflow还是Theano

这并不重要。Keras能够正确处理这些格式。
正如您在该源代码中看到的，keras具有

K.image\u data\u format（）

，该格式取自您的默认配置（您可以在

keras.json

文件中找到默认配置，通常是

channels\u last

）

---

Keras将正确处理格式，无论您使用的是Theano还是Tensorflow。我建议，除非您有理由或明确的偏好，否则您应将配置保持为上次使用

频道时的状态。这使得卷积层与其他层和损耗函数更容易集成。keras中的所有内容都会在最后一个轴上工作，因此，将通道也保留在最后一个位置，以避免额外的工作。
谢谢。我的印象是keras的作者使用与他们的名字对应的预处理来训练神经网络。预处理似乎不仅仅是通道顺序。如果您看到这些注释，似乎mode='caffe'只进行居中，而mode='tensorflow'也进行缩放..Resnet50不是唯一一个使用输入预处理而不更改模式的..是的，caffe居中，但保持范围255。Tensorflow重缩放。但这些并不是“系统”真正需要的。您可以使用tensorflow创建一个接受任何类型输入的模型。关键是，这些预训练的模型是用这种数据训练的，因此必须输入相同类型的数据。唯一的“系统”差异是通道顺序，keras会自动处理。Resnet50是以数据为中心而不是按比例进行训练的。因此，输入数据必须居中而不是缩放，否则模型将无法正常工作。它专门针对此类数据进行了培训（与您使用的系统无关）