keras InceptionV3的灰度输入

Question

我已经制作了这个似乎工作正常的网络。

datagen = tf.keras.preprocessing.image.ImageDataGenerator(
#zoom_range=0.2,
#shear_range=0.2,
#rotation_range=10,
rescale=1/255,
validation_split=0.2,
# other things...
)
train_ds = datagen.flow_from_directory(
data_dir,
subset="training",
class_mode='binary',
target_size=target_size,
batch_size=batch_size,
)
val_ds = datagen.flow_from_directory(
data_dir,
subset="validation",
class_mode='binary',
target_size=target_size,
batch_size=batch_size,
)
pre_trained_model = InceptionV3(input_shape=(128,128,3),
include_top=False,
weights='imagenet')
for layer in pre_trained_model.layers:
layer.trainable = False

global_average_layer = tf.keras.layers.GlobalAveragePooling2D()
Dl_1 = tf.keras.layers.Dropout(rate = 0.2)
prediction_layer = tf.keras.layers.Dense(1,activation='sigmoid')
model_V3 = tf.keras.Sequential([
pre_trained_model,
global_average_layer,
Dl_1,
prediction_layer
])
model_V3.compile(optimizer='adam',
loss='binary_crossentropy',
metrics=['accuracy'])
lr_reduce = ReduceLROnPlateau(monitor='val_loss', factor=0.2, patience=3, verbose=2, mode='max')
hist = model_V3.fit(
train_ds, 
epochs=5,
steps_per_epoch=len(train_ds), 
validation_data=val_ds, 
validation_steps=len(val_ds), 
callbacks=[lr_reduce])

但是，这里的问题是网络是为RGB图像构建的。我的数据是灰度图像。现在我只是复制通道，以便 R、G 和 B 为每个像素获得相同的值。 问题是这非常消耗内存且速度缓慢。 有没有办法让网络使用灰度图像而不是 rgb？ 是否有另一个预训练网络可以更好地对椭圆细胞样结构的灰度图像进行分类？

Answer 1

导入 InceptionV3 时，请尝试以下操作：

pre_trained_model = InceptionV3(input_shape=(128,128,1),
include_top=False,
weights='imagenet')

128和 128 是图像的物理尺寸，3(或我的例子中的 1(是颜色通道。