Fatal编程技术网
  • tensorflow/
  • Tensorflow和Theano中图像数据集表示的差异

Tensorflow和Theano中图像数据集表示的差异

tensorflow machine-learning keras deep-learning

Tensorflow和Theano中图像数据集表示的差异,tensorflow,machine-learning,keras,deep-learning,theano,Tensorflow,Machine Learning,Keras,Deep Learning,Theano,根据下面的代码片段 输入数据的形状取决于要与Keras库一起使用的后端。我想知道为什么这种区别是必要的？为什么我们不能在这两种情况下使用相同的输入形状？Keras是针对tensorflow和theano的高级深度学习API。它使用这些库中的函数来执行计算。在Theano-它的管理员决定将通道维度放在空间维度之前。在Tensorflow中，作者将其作为最后一个维度。这就是您提到的Keras差异背后的原因。您能解释一下为什么在这一行（）中，图像数据集被表示为[图像索引、通道、行、列]这是2015年8

根据下面的代码片段

输入数据的形状取决于要与Keras库一起使用的后端。我想知道为什么这种区别是必要的？为什么我们不能在这两种情况下使用相同的输入形状？

Keras
是针对
tensorflow
和
theano
的高级深度学习API。它使用这些库中的函数来执行计算。在<代码>Theano-它的管理员决定将通道维度放在空间维度之前。在
Tensorflow
中，作者将其作为最后一个维度。这就是您提到的
Keras
差异背后的原因。

您能解释一下为什么在这一行（）中，图像数据集被表示为[图像索引、通道、行、列]这是2015年8月的版本，当时Theano是唯一可用的
后端
。我现在在Keras的任何地方都没有看到LRN2D层可用。如果我只是改变通道的位置，那么相同的代码是否适用于具有张量流的Keras？我正在努力复制AlexNet的结果，因此我正在寻找这一层，因为今天
BatchNormalization
被认为是最好的，使用
LRN2D
被认为是一种贬值的标准化方法。

# Define image input layer
if DIM_ORDERING == 'th':
    INP_SHAPE = (3, 224, 224)  # 3 - Number of RGB Colours
    img_input = Input(shape=INP_SHAPE)
    CONCAT_AXIS = 1
elif DIM_ORDERING == 'tf':
    INP_SHAPE = (224, 224, 3)  # 3 - Number of RGB Colours
    img_input = Input(shape=INP_SHAPE)
    CONCAT_AXIS = 3