tensorflow2.x的模型输入从NHWC格式转换为NCHW格式

最新推荐文章于 2024-06-11 12:04:50 发布
最新推荐文章于 2024-06-11 12:04:50 发布
阅读量1.5k 收藏 1
点赞数
分类专栏： 深度学习--基本工具 文章标签： tensorflow python 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/BIT_Legend/article/details/122270071
版权

tensorflow2.x的模型输入默认格式是NHWC格式，但是某些应用场景下需要在模型中将NHWC输入格式转换为输入NCHW格式，操作代码如下

import tensorflow as tf


model_path = "./xxx.h5"
output_path = "./yyy.h5"
model.load_model(model_path)  # 当前输入尺寸是128*128
new_model = tf.keras.models.Sequential([Input((3, 128, 128)), tf.keras.layers.Lambda(lambda x: tf.transpose(x,[0,2,3,1])), model])
new_model.summary()
new_model.save(output_path)

LegendBIT
关注
专栏目录
OpenVINO 2022.3之四：OpenVINO模型转换
mingo_敏
05-06 3247
OpenVINO 2022.3 支持的模型格式:OpenVINO IR（中间表示） - OpenVINO™的专有格式，可以完全利用其全部功能。ONNX和PaddlePaddle - 直接支持的格式，这意味着它们可以在OpenVINO Runtime中使用，无需进行任何先前的转换。有关如何在ONNX和PaddlePaddle上运行推理的指南，请参阅如何将OpenVINO™与您的应用程序集成。
深入解析CANN算子开发中的数据排布格式：NCHW、NHWC、NC1HWC0、FRACTAL_Z、FRACTAL_NZ详解
最新发布
qq_38334677的博客
09-25 130
数据排布格式（Data Layout Format）定义了张量在内存中的存储顺序和读取方式。在神经网络的不同计算阶段（例如卷积层、全连接层等），数据往往需要以不同的维度进行操作。为了确保在这些操作中能够高效地读取和处理数据，深度学习框架通常会定义特定的排布格式来组织张量。不同的深度学习框架和硬件往往会使用不同的格式。例如，TensorFlow使用NHWC格式，而Caffe则更倾向于使用NCHW格式。
NCHW与NHWC格式
吴建明wujianming_110117
02-09 2025
NCHW与NHWC格式 下图很好的描述了各种不同的格式。 N代表数量， C代表channel，H代表高度，W代表宽度。 NCHW其实代表的是[W H C N]，第一个元素是000，第二个元素是沿着w方向的，即001，这样下去002 003，再接着呢就是沿着H方向，即004 005 006 007…这样到019后，沿C方向，轮到了020，之后021 022 …一直到319，然后再沿N方向。 NHWC的话以此类推，代表的是[C W H N]，第一个元素是000，第二个沿C方向，即020，040, 060…一直到
Opencv中NHWC转NCHW的方法(C++版)
weixin_42904656的博客
05-06 1898
opencv nhwc转nchw c++实现方式
tensorflow: (data_format) NHWC、NCHW 区别与转换
JNing
10-03 1万+
区别NHWC [batch, in_height, in_width, in_channels] NCHW [batch, in_channels, in_height, in_width] 转换NHWC –> NCHW：import tensorflow as tfx = tf.reshape(tf.range(24), [1, 3, 4, 2]) out = tf.transpose(x
tf.nn.conv2d()卷积函数 NHWC和NCHW格式转换
哈哈哈的博客
03-23 5914
1、首先介绍tf.nn.conv2d()函数, 其函数原型： conv2( input, filter, strides, padding, use_cudnn_on_gpu=None, data_format=None, name=None ) (1) input(输入)：类型为tf.float32或tf.float64。通常指需要做...
tensorflow 中data_format＂NCHW＂　or 　＂NHWC＂
lg201601的博客
05-25 1239
Tensorflow 中　NCHW 和　NHWC的区别： 其中data_format 默认 "NHWC"，也可以手动设置为 "NCHW"。这个参数规定了 input Tensor 和 output Tensor 的排列方式。 ata_format 设置为 "NHWC" 时，排列顺序为 [B, H, W, C]；设置为 "NCHW" 时，排列顺序为 [B, C, H, W]。 以图像RGB为例，具体的效果如下： 这个怎么解释呢？ 得从矩阵的表达方式说起，[B, C, H, W] B 个（C个（Ｈ（
tensorflow模型转换caffe模型 各种模型文件和转化预测代码和caffe网络详解
04-23
- 检查并调整数据格式，TensorFlow 默认为 NHWC，而 Caffe 默认为 NCHW。 - 由于两框架的层定义可能存在差异，转换时可能需要手动调整某些层的配置。 5. **预测代码**： - 转换完成后，编写 Caffe 前向传播代码...
对tensorflow中tf.nn.conv1d和layers.conv1d的区别详解
12-20
根据提供的API注解，它的输入张量是一个3D张量，形状为[batch, in_width, in_channels]（如果data_format设置为"NHWC"），或者[batch, in_channels, in_width]（如果data_format设置为"NCHW"）。滤波器/内核张量的...
Tensorflow模型优化训练思路
cyy2learn的博客
02-23 1165
问题现状 随着深度学习模型越来越大，数据集越来越大，模型的训练变得越来越慢。这对于想要快速验证算法的研究人员来说，是个比较麻烦的问题。 那么一般来说，我们会想要优化模型训练，以期更快验证模型效果。 无论是使用Tensorflow还是Pytorch来搭建模型，基本的训练优化思路都是一致的，只是由于框架的不同，某些优化细节有些差别。 这里探讨的是模型在GPU上的训练优化。 基本的训练优化思路 Step 1 优化模型在单机单卡上的训练 Step 2 优化模型在单机多卡上的训练 Step 3 优化模
NHWC与NCHW
tigerlib的博客
11-04 1470
"channels_last"：设置为 “NHWC” 时，排列顺序为 [batch, height, width, channels] "channels_first"：设置为 “NCHW” 时，排列顺序为 [batch, channels, height, width] 其中 N 表示这批图像有几张，H 表示图像在竖直方向有多少像素，W 表示水平方向像素数，C 表示通道数。 Tensorflo...
c++实现NHWC2NCHW的几种方法
u012374012的专栏
06-11 354
/ 将像素值归一化到 [0, 1] 范围。
Tensorflow_keras实战（五）:自定义损失函数和DenseLayer
XB_please的博客
09-15 1241
目录 1.自定义损失函数 2.自定义DenseLayer 2.1 带参 2.2 不带参 1.自定义损失函数 import matplotlib as mpl import matplotlib.pyplot as plt %matplotlib inline import numpy as np import pandas as pd import os import sklearn import...
NCHW - NHWC - CHWN 排列
爱CV
02-19 429
TensorFlow有两种数据格式NHWC和NCHW，默认的数据格式是NHWC，可以通过参数data_format指定数据格式。这个参数规定了 input和 output Tensor 的排列方式。
NHWC和NCHW数据排布及转换(模型部署)
@bangbang的博客
05-11 3152
其中C表示的通道数可能有多种情况，例如，RGB图片格式的通道为3通道，R（红色）、G（绿色）、B（蓝色）各占一个通道，表示图片中每个像素点都有三个通道值，每个通道值范围是[0~255]，三个通道的叠加呈现出一个像素的颜色。RGB图像还有四通道的表示，除了RGB三通道之外，还有一个alpha通道，表示透明度。在intel GPU加速的情况下，希望在访问同一个channel的像素是连续的，一般存储选用NCHW也就是输入数据格式为NCHW，这样在做CNN的时候，在访问内存的时候就是连续的了，比较方便。
tensorflow中的一些基本用法-注意事项
sdzzlove的专栏
06-28 200
1，tf中默认是 nhwc，而可以改为nchw，需要更改则需要data_format =‘NCHW’， 2，各种变换可以使用tf.transform（）做更改。 3，对于tf输出矩阵如何好看即axis的使用： 一般情况下对于axis =0，到 =3，分别表示了 n h w c的变化，如何立即： 一般一个图像是这么存放的： [[[[1,2,3],[1,2,3],[1,2,3]], [[4,5,6],[4,5,6],[4,5,6]]]] 表示2行3列，每个像素是3个channel表示。 即：nh
TensorFlow有两种数据格式NHWC和NCHW
热门推荐
weixin_37801695的博客
01-25 2万+
TensorFlow有两种数据格式NHWC和NCHW，默认的数据格式是NHWC，可以通过参数data_format指定数据格式。这个参数规定了 input Tensor 和 output Tensor 的排列方式。 1、data_format 设置为 “NHWC” 时，排列顺序为 [batch, height, width, channels] 设置为 “NCHW” 时，排列顺序为 [batch,...
Tensorflow Keras 中input_shape引发的维度顺序冲突问题（NCHW与NHWC)
Newbie_J的博客
03-11 3810
Tensorflow Keras 中input_shape引发的维度顺序冲突问题（NCHW与NHWC) 原文链接：Tensorflow Keras 中input_shape引发的维度顺序冲突问题（NCHW与NHWC) 以tf.keras.Sequential构建卷积层为例： tf.keras.layers.Conv2D(10, 3, input_shape=(2, 9, 9),padding='s...
TensorFlow中的数据格式：NHWC和NCHW
魔筝炼药师
06-26 1310
待更新
已经转化好的.onnx模型通道顺序是NHWC怎么转换成NCHW 的.onnx 模型 python
06-22
可以使用onnx包中的API对.onnx模型进行通道顺序的转换。具体的代码实现如下： ```python import onnx from onnx import numpy_helper # 加载模型 model = onnx.load('model.onnx') # 获取输入节点和输入张量的信息 input_name = model.graph.input[0].name input_shape = model.graph.input[0].type.tensor_type.shape.dim input_dtype = model.graph.input[0].type.tensor_type.elem_type # 将输入节点的通道顺序从NHWC修改为NCHW input_shape[1].dim_value, input_shape[2].dim_value, input_shape[3].dim_value = input_shape[3].dim_value, input_shape[1].dim_value, input_shape[2].dim_value # 创建新的输入张量 new_input_tensor = numpy_helper.from_array(np.zeros([batch_size, channel, height, width], dtype=np.float32), input_name) # 将新的输入张量添加到模型中 model.graph.input.remove(model.graph.input[0]) model.graph.input.extend([new_input_tensor]) # 将模型保存为新的.onnx文件 onnx.save(model, 'new_model.onnx') ``` 其中，我们首先加载了原始的.onnx模型，并获取了输入节点和输入张量的信息。然后，我们将输入节点的通道顺序从NHWC修改为NCHW，并创建了新的输入张量。接着，我们将原始的输入张量从模型中删除，并将新的输入张量添加到模型中。最后，我们将新的模型保存为新的.onnx文件。
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值