池化层和先前卷积层的深度应该相同。但它不一样，请让我知道解决方案

Question

model = Sequential()

model.add(keras.layers.InputLayer(input_shape=input_shape))

model.add(keras.layers.convolutional.Conv2D(filters, filtersize, strides=(1, 1), padding='valid', data_format="channels_last", activation='relu'))

model.summary()

和输出摘要是：

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
input_10 (InputLayer)        (None, 300, 300, 3)       0         
_________________________________________________________________
conv2d_16 (Conv2D)           (None, 296, 296, 10)      760       
_________________________________________________________________
max_pooling2d_13 (MaxPooling (None, 296, 148, 5)       0         
_________________________________________________________________

上面对于conv2d_16第10层是深度，其中作为Maxpooling第5层，怎么可能？

Answer 1

您很可能正在使用池化层中的data_format='channels_first'设置。

我看到您将'channels_last'添加到卷积层，但您可能没有将其添加到池化层。

如果要更改keras的默认设置，请找到<user>/.keras/keras.json文件并在其中进行更改。