Python 如何使tensorflow初始模型适用于输入通道大于3的图像堆栈?
我正在尝试在TensorFlow Inception中重新实现(PyTorch ResNet)。在构建一个使用20通道图像堆栈的模型时,代码非常简单 self.model=resnet101(pretrained=True,channel=20).cuda() 尽管如此,在TensorFlow中没有修改输入通道数量的规定。我能想到的解决方法是导入imagenet数据(RGB,3通道)上预训练的初始模型,并将所需变量添加到模型图中,以适应20通道输入。我不知道这是否可以在TensorFlow中完成 类似的问题:Python 如何使tensorflow初始模型适用于输入通道大于3的图像堆栈?,python,tensorflow,computer-vision,Python,Tensorflow,Computer Vision,我正在尝试在TensorFlow Inception中重新实现(PyTorch ResNet)。在构建一个使用20通道图像堆栈的模型时,代码非常简单 self.model=resnet101(pretrained=True,channel=20).cuda() 尽管如此,在TensorFlow中没有修改输入通道数量的规定。我能想到的解决方法是导入imagenet数据(RGB,3通道)上预训练的初始模型,并将所需变量添加到模型图中,以适应20通道输入。我不知道这是否可以在TensorFlow中完成
还有一个没有太多信息的教程:您想对现有的、经过培训的模型(如初始模型)进行微调,还是从头开始培训模型?我想对现有模型进行微调。我所需要做的就是复制输入层中的权重,以适合这样的20通道图像堆栈—我想对TensorFlow上的mobilenet也这样做