Python 如何更改Resnet上的频道数，使其仅在黑白图像上工作？

我正在研究tensorflow，我的数据集仅由黑白图像组成，因此我认为通过将通道数从3更改为1，可以减轻我的神经网络（目前我正在使用Resnet50）的负担，使其更易于训练和测试， 有没有办法做到这一点？ （Ik我可以将黑白图像视为rgb图像，但我不想这样做）

---

提前感谢您的回答。

keras中的预训练权重。应用程序需要3通道输入。你可以从两件事中选择一件：

使用适用于灰度图像的不同预训练模型

设置R、G和B通道以复制BW输入，然后在您自己的数据集上微调整个神经网络。如果没有微调步骤，这可能不起作用

另一方面，我必须说，这项任务无助于你实现“减轻负担，使训练和测试更容易”的目标。如果在keras Resnet50上调用

model.summary（）

，您会看到，在可训练的23534592个参数中，只有大约10K个位于初始层。因此，您最多可以将参数数量减少数千个

---

相反，我建议使用一种更轻的模型，例如在Keras中也可以使用的MobileNet。

根据，您可以指定输入张量。您是否尝试过在轴2提供尺寸为1的通道，例如（300、300、1）？这应该不是问题：颜色有三个通道；B&W只有一家。在您的输入流中，只需将3通道规格更改为1：如果您看到尺寸大小为3，请将其更改为1。@CaptainTrojan您共享的文档清楚地说明：

它应该正好有3个输入通道…

，因此我认为这不正确possible@Yatin老实说，这只适用于输入形状，而不适用于输入张量。这值得一试，你永远不知道。感谢你的回答，我现在尝试了以下方法：

model=tf.keras.applications.resnet50.resnet50（weights=“imagenet”，include\u top=False，input\u tensor=tf.constant（[img\u width，img\u height，1]）

，它给了我一个错误：`你不应该把一个急切的张量传递给

input

'ValueError：您不应该向

输入传递一个表达式。例如，您不应该创建InputLayer，而应该实例化您的模型并直接在您的输入中调用它。`谢谢您的回答，我已经以rgb的形式读取了我的图像，但我希望利用图像的黑白特性来减小网络的大小，但显然这是不可能的（或者不是那么直接的）我也尝试过复制粘贴resnet的源代码并进行编辑，但它不起作用，我正在寻找一种更方便的方法来更改我网络中的频道数量，我不知道我是否可以更改为MobileNet，我希望尽可能获得最佳的准确度，如果我也能使用MobileNet达到这一点，请拨打idk