Python 当图像的尺寸为（2048*1536）时，在序列模型的第一层中应该采用什么输入形状

我有一个图像数据集，每个图像的维数为=（20481536）。在ImageDataGenerator中，我从目录中获取数据时使用了相同的目标大小，即（20481536），但在制作顺序模型第一层时，我应该使用什么输入形状？？它将与（20481536）相同，或者我可以采用任何类似（224224）的随机形状。

您可能应该通过生成大小为3145728（2048*1536）的向量来展平输入数据。如果数据位于numpy数组中，则可以使用

np.flant（）

（）

---

然后，您的第一层可以具有与此向量相同的形状。

我将首先使用

cv2.resize（）

调整图像的大小。你真的需要从这么大的图像中获得所有的信息吗

例如，对于顺序模型，如下所示：

model=models.Sequential（）
添加（layers.Conv2D（32，（3,3），activation='relu'，input_shape=（高度、宽度、ndim）））
…

其中，

height

和

width

表示您的输入图像尺寸，对于灰度图像，

ndim=1

，对于彩色图像，

ndim=3

。

第一层（即输入）应该是数据集中的特征数。关于图像，每个像素被视为一个特征。因此，在您的情况下，图像尺寸为（20481536），您需要将其展平以获得像素总数（即特征）。如果是灰度图像，则为（2048*1536*1）；如果是彩色图像，则为（2048*1536*3）

此外，在顺序模型创建过程中，您使用来自TensorFlow/KerasAPI的以下代码，它将考虑您的输入层大小

tf.keras.models.Sequential([tf.keras.layers.Flatten(),
                       tf.keras.layers.Dense(128,activation=tf.nn.relu) #1st hidden layer
                       tf.keras.layers.Dense(128,activation=tf.nn.relu) #2nd hidden layer
                       tf.keras.layers.Dense(2,activation=tf.nn.softmax)])#output layer

---

不，我不需要图像的所有信息，但是如果在任何情况下，我需要这样一个大图像的所有信息，那么我应该给出与目标大小相同的输入形状吗？好的，如果图像中需要超小的对象，那么你可能需要一个大图像和一个真正的深模型。但是，我会尝试不同的大小调整形状，如

（200150）

或

（100,75）

-错误和尝试。-请使用

model.summary（）

查看您的模型。图层将显示图像在每个图层上的大小。然后想一想图像中对你很重要的信息：从这么小的图像中仍然可以检索到信息吗？对于这些问题，我使用keras预训练模型，那么我如何在其中检查它？？？好的，我会试试这个