deep-learning - 如何用 6 通道输入图像训练 FCN 网络?
问题描述
输入图像是 6 个通道,我正在使用 FCN-8,我正在更改第一个 conv 层,如下所示:
model = torchfcn.models.FCN8sAtOnce(n_class=2)
model.conv1_1 = nn.Conv2d(6, 64, 3, padding=100)
它抛出一个错误,
RuntimeError: shape '[1, 1664, 1024, 1]' is invalid for input of size 1650000
但是,当我默认将其保留为 3 个通道并提供 3 个通道图像时,它可以正常工作:
model = torchfcn.models.FCN8sAtOnce(n_class=2)
model.conv1_1 = nn.Conv2d(**3**, 64, 3, padding=100)
这个模型是从torch导入的,所以我真的不知道如何调试它。
有谁知道如何解决这个问题?
或者
基本上我想要一个可以将超过 3 个通道作为输入的分段网络,如果可用,请分享链接。