Python 我应该如何表示我的网络？

我有一点问题，我应该如何代表网络培训我的CNN。输入数据由不同大小的图像组成，其中行数恒定（441行），颜色尺寸恒定（RGB），但列数不同。CNN应该生成一个特征向量，其中特征的长度取决于每个图像的列数

例如：

形状为（441300,3）的图像应生成长度为98的特征向量

形状为（4411209,3）的图像应生成长度为398的特征向量

因此，几乎每列都应该生成3个特征

是否可以使用填充整个列并给出3个特性的内核进行卷积？我之所以要寻找一个填充整个列的内核，是因为我想在列的某些区域应用更多的重要性，而不是赋予所有区域同等的重要性

---

如果是,，如何在keras中设计这样的内核或这样的网络？

你能解释一下你是如何从图像形状计算特征向量长度的吗？特征向量的长度是事先给定的。你对迁移学习感兴趣还是想从头开始训练你的

CNN

？我不确定我是否理解这个问题？