我注意到在 Andrew Ng 深度学习课程中，对于图像分析，他总是有X_train形状为 的矩阵[height, width, 3, num_inputs]，或者，如果是扁平的，则为[height X width X 3, num_inputs]. 他也有他的y_trainas [1, num_inputs]。对我来说，翻转这些更直观，所以X_trainis[num_inputs, height X width X 3]和y_trainis [num_inputs, 1]。是否有任何动机或理由证明他必须这样做，还是只是偏好？这是一个标准还是有所不同？
训练/测试集的矩阵形状是否必须按特定顺序排列？
数据挖掘
机器学习
神经网络
深度学习
2022-03-04 22:22:14
2个回答
在实践中
Andrew Ng 似乎正在使用 Theano 框架上的约定。如果您有 10 个彩色图像，每个 100 像素高和 200 像素宽，Theano 模型将期望输入以下形式：
（批量大小、输入通道、输入行、输入列）
等尺寸：(10, 3, 100, 200)。三是因为彩色图像中的三个 RGb 维度。
另一方面， Tensorflow颠倒此顺序，改为使用：(num_obs, height, width, channels) - 对于与上面相同的示例，这将变为：
（批量大小、输入行、输入列、输入通道）
意思是输入的尺寸应该是(10, 100, 200, 3).
Keras 与 Tensorflow 和 Theano 一起工作，并通过简单地允许用户设置给出通道数的位置来支持这两种约定。这可以在配置文件中设置，也可以在设置时使用特定的环境变量。看看相关文档。
（可能的）理由
对于什么更自然，有不同的观点。如果您来自计算机视觉领域（或一般的图像处理），那么像OpenCV这样的库使用图像左上角的坐标系，(0,0)您可以通过给定垂直移动和水平移动来指定单个像素从原点。这意味着你先给出一个高度，然后给出一个宽度。这样做的一个理由可能是许多计算机视觉算法（例如滤色器）关注图像通道之间的差异，但这只是惯例。
在一般的绘图和数学中，通常先给出X坐标，然后给出Y坐标，这意味着谈论水平运动，然后是垂直运动。一般来说，线性代数就是一个很好的例子。
综上所述，最好的建议是确保根据您使用的软件的文档使用正确的尺寸。如果您制作自己的软件 - 您可以选择！（但一定要记录下来！）
这取决于你使用的深度学习框架，你必须使用框架的功能使用的形状。我认为 Tensorflow 和 Pytorch 是不同的。建议是在执行框架文档中的任何操作之前进行检查。