tensorflow和kears的data_format数据格式问题详解
DATA_FORMAT
这是一个无可奈何的问题，在如何表示一组彩色图片的问题上，Theano和TensorFlow发生了分歧， '日'模式，也即Theano模式会把100张RGB三通道的16×32（高为16宽为32）彩色图表示为下面这种形式（100,3,16,32），Caffe采取的也是这种方式。第0个维度是样本维，代表样本的数目，第1个维度是通道维，代表颜色通道数。后面两个就是高和宽了。这种theano风格的数据组织方法，称为“channels_first”，即通道维靠前。
而TensorFlow，的表达形式是（100,16,32,3），即把通道维放在了最后，这种数据组织方式称为“channels_last”。
tensorflow的格式如下：
-
[batch，in_height，in_with，in_channels]批量批次1000高度图片的长宽宽通道通道数
-
#channels RGB则为3黑白为1
Keras默认的数据组织形式在〜/ .keras / keras.json中规定，查看柯林斯该文件的image_data_format一项查看，也可在代码中通过K.image_data_format（）函数返回，请在网络的训练和测试中保持维度顺序一致。
唉，真是蛋疼，你们商量好不行吗？
keras中添加卷积层时，可以指定deat_format格式：
-
model.add(Convolution2D(
-
batch_input_shape=(
None,
1,
28,
28),
#多少数据 通道数 宽 高
-
filters=
32,
#滤波器数量
-
kernel_size=
5,
#滤波器大小5x5
-
strides=
1,
#步长1
-
padding=
'same',
# Padding method
-
data_format=
'channels_first',
-
))
1、代码中的DATA_FORMAT = 'channels_first'，即通道维靠前。
[batch，in_channels，in_height，in_with]既批次：批次大小渠道：通道数高度：图片的长宽度：宽
2、当然也可以和tensorflow中的数据格式一样指定 channels_last = 'channels_last',keras默认为channels_last。
通用模板：
-
-
from keras
import backend
as K
-
w =
100
#图片宽度
-
h =
100
#图片高度
-
c =
3
#图片通道数
-
if K.image_dim_ordering() ==
'th':
-
X_train = X_train.reshape(
-1, c, w, h)
-
X_test = X_test.reshape(
-1, c, w, h)
-
input_shape = (
1, w, h)
-
else:
-
X_train = X_train.reshape(
-1, w, h, c)
-
X_test = X_test.reshape(
-1, w, h, c)
-
input_shape = (w, h, c)
-
-
X_train = X_train.reshape(
-1, w, h, c)
-
X_test = X_test.reshape(
-1, w, h, c)
-
input_shape = (w, h, c)
-
-
#例
-
model.add(Convolution2D(
-
batch_input_shape=(
None,w,h,c),
#多少数据 通道数 宽 高
-
filters=
32,
#滤波器数量
-
kernel_size=
5,
#滤波器大小
-
strides=
1,
#步长
-
padding=
'same'
# Padding method
-
-
))