Keras怎么改变图片通道的顺序

在学习机器学习的时候有一大类是图像识别，而图像识别建立在图像的基础上，所以打开这个图像是图像识别的基础。但是有些图片在Keras进行学习的时候会出现报错，这是由于图片通道顺序错误导致的。那么图片通道顺序如何调整呢？接下来这篇文章带你了解如何实现Keras改变图片通道顺序。

1. Error

在使用Keras.layers.convolutional.Convolution2D的时候

Convolution2D(32, 5, 5, border_mode='valid', input_shape=(1, 28, 28), activation='relu')

报如下错误：

OverflowError: Range exceeds valid bounds

这是因为Keras配置图片通道顺序错误导致的。上面代码使用图片通道顺序是[channels][height][width]

2. 修改图片通道顺序

检查 ~/.keras/keras.json文件

if "image_dim_ordering": is "th" and "backend": "theano", your input_shape must be (channels, height, width)
if "image_dim_ordering": is "tf" and "backend": "tensorflow", your input_shape must be (height, width, channels)

所以，要保证你使用的通道顺序和配置的通道顺序一致

或者通过这样修改

from keras import backend
backend.set_image_dim_ordering('th')

补充：Keras设置后端数据维度顺序

Keras是比较高级的深度学习框架，其对几个比较常见的主流深度学习框架的封装而来，也就是按照Keras的说法就是其后端是以Tensorflow、Theano和CNTK为基础封装而来。

CNTK我没做过多了解，tensorflow的tensor的维度顺序和Theano的维度顺序是不一样的，所以在使用Keras的时候要格外注意这一点，如果后端不同的话，设置的数据维度顺序也是要不一样的。

tensorflow的数据维度默认顺序是channels_last的好像，也就是说其一个tensor的数据维度是[samples，rows，cols，channels]，而Theano不同，其数据顺序是channels_first，也就是[samples，rows，cols，channels]，这个其实也就是这两个框架的不同而已，如果用keras来写深度学习模型的话，其实就只要设置好后端基本也没啥问题，也不必太考虑数据维度的问题。

但是Keras的数据维度是可以改变的，即使是使用tensorflow为后端，Keras的数据格式也可以是channels_first的，并且这个是可以通过配置文件来改，也可以通过代码来改的。

Keras的配置文件默认是在$HOME/.keras/keras.json，可以用txt编辑器打开直接修改后端配置的：

{
    "floatx": "float32",
    "epsilon": 1e-07,
    "image_data_format": "channels_last",
    "backend": "tensorflow"
}

这是我的windows下的配置信息，默认是以tensorflow为后端，数据格式是channels_last，但是我有个小项目是一开始是以Theano为后端来写的，本来就只要稍微改一下就好，但是因为只是这个项目需要改为Theano，所以我并没有直接改配置文件，而是在代码里修改后端，这里需要用到Keras的后端backend来实现，修改的代码如下：

from keras import backend as BK
BK.set_image_data_format("channels_first")
BK.set_image_dim_ordering("th")

这样设置之后再这个程序跑起来的时候其后端并不会被改变，改变的只是数据的维度顺序而已，而且仅仅是针对当前的程序，对其它程序是不影响的。

以上就是图片通道顺序如何调整的全部内容，希望能给大家一个参考，也希望大家多多支持W3Cschool。