tensorflow - 将Tensor馈入CNN时应该转置张量吗

我正在使用具有Lab格式（亮度，a，b）大小不同的图像的自定义数据集，这些图像被馈送到CNN中。输入层具有3个输入通道，所以我的想法是将所有3个通道（L，a，b）分开，并将其馈入网络。接下来，我想知道每个张量是否需要转置？我的怀疑是，它将失去其尺寸，该尺寸因图像而异，并且最终将无法重建图像。有什么想法或想法应如何规范化图像？

最佳答案

您可以进行归一化，而无需转置图像或根据其通道拆分图像

torchvision.transforms.Normalize(mean=[l_channel_mean, a_channel_mean , b_channel_mean], std= [l_channel_mean, a_channel_mean , b_channel_mean])
唯一需要的转换是将图像转换为张量的转换：
torchvision.transforms.ToTensor()

关于tensorflow - 将Tensor馈入CNN时应该转置张量吗，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/58155920/