按照灰色输入就可以

可以把输入的tensor从3通道改为1通道，彩图用rgb共3个通道，黑白的用1个通道就好

也可以直接用3通道的，就是效率低些

彩色的内容丰富一点，你用灰度也是可以的

但有一点要注意，2.0rc它有一些集成的网络比如resnet51  resnet101之类的，输入的图像颜色位数要求为3的

这个输入维度不能改么？

是说一部分集成的网络能改这个输入通道数，一部分不能改吧

改不了，输入必须是3通道的，不然就报错

我试过vgg16和resnet50 resnet101，如果输入灰度图会报错，我想其他的网络应该也是的，至少是和论文中提出的方法一样

毕竟他们都是用在ImageNet大赛上的，上面还都是些彩图= =

不能吧，我改过会报错

可以搞，具体做法就是直接将第一个卷积层的输入通道改为1

可以改

肿么改的？

预训练模型能只用中间几层么？

既然输出维度可以改，那么同样的方法改输入维度呢？。只用预训练模型的中间层，第一层和最后一层都从新训。当然，改第一层和改最后一层的意义大大不同。

但是话说回来，卷积网络后面层的特征完全是建立在前面层“表达”的基础上的么？

或者换个方法问，后面组织宏观特征的层，是建立在前面围观特征层的基础上的么？

不懂就问

或者有人做过这样的消融实验么？将两个结构相同但在不同数据集上训练的模型的部分层互换，看看会有什么影响?

有这么猜可解释性的么～～