我使用深度学习库Keras

时间：2016-04-21 13:37:25

标签： theano deep-learning keras

当出现此错误时，谁能给我一些通知？我使用VGG16-net进行面部识别。

  

错误（theano.gof.opt）：由于以下原因导致优化失败：

     

LocalOptGroup（local_abstractconv_gemm，local_abstractconv_gradinputs_gemm，local_abstractconv_gradweight_gemm，local_conv2d_cpu，local_conv2d_gradinputs_cpu，local_conv2d_gradweight_cpu）

     

错误（theano.gof.opt）：node：AbstractConv2d {border_mode ='valid'，   subsample =（1,1），filter_flip = True，imshp =（None，None，None，None），   kshp =（512,512,3,3）}（IncSubtensor {Set; ::，::，int64：int64：，   int64：int64：}。0，convolution2d_26_W）错误（theano.gof.opt）：

     

TRACEBACK：ERROR（theano.gof.opt）：Traceback（最近一次调用最后一次）：   文件“D：\ Anaconda2 \ lib \ site-packages \ theano \ gof \ opt.py”，第1772行，   process_node       replacements = lopt.transform（node）文件“D：\ Anaconda2 \ lib \ site-packages \ theano \ gof \ opt.py”，第1223行，in   转变       repl = opt.transform（node）文件“D：\ Anaconda2 \ lib \ site-packages \ theano \ tensor \ nnet \ opt.py”，第153行，   在local_conv2d_cpu中       subsample = node.op.subsample）文件“D：\ Anaconda2 \ lib \ site-packages \ theano \ tensor \ nnet \ conv.py”，第132行，   在conv2d       断言image_shape [1] == filter_shape [1] AssertionError

     

图像[无，无，无，无]过滤器[512,512,3,3]回溯   （最近一次电话会议）：

     

文件“”，第1行，in       runfile（'E：/ Deep Learning / vgg.py'，wdir ='E：/ Deep Learning'）

     

文件   “d：\ Anaconda2 \ LIB \站点包\ spyderlib \部件\ externalshell \ sitecustomize.py”   第699行，在runfile中       execfile（filename，namespace）

     

文件   “d：\ Anaconda2 \ LIB \站点包\ spyderlib \部件\ externalshell \ sitecustomize.py”   第74行，在execfile中       exec（compile（scripttext，filename，'e​​xec'），glob，loc）

     

文件“E：/ Deep Learning / vgg.py”，第110行，in       model.fit（数据，标签，的batch_size = 100，nb_epoch = 10，随机播放=真，冗长= 1，show_accuracy =真，validation_split = 0.2）

     

文件“D：\ Anaconda2 \ lib \ site-packages \ keras \ models.py”，第402行，   适合       sample_weight = sample_weight）

     

文件“D：\ Anaconda2 \ lib \ site-packages \ keras \ engine \ training.py”，行   999，合适       self._make_test_function（）

     

文件“D：\ Anaconda2 \ lib \ site-packages \ keras \ engine \ training.py”，行   666，在_make_test_function中       ** self._function_kwargs）

     

文件   “D：\ Anaconda2 \ lib \ site-packages \ keras \ backend \ theano_backend.py”，行   503，在功能上       return函数（输入，输出，更新=更新，** kwargs）

     

文件   “D：\ Anaconda2 \ lib \ site-packages \ keras \ backend \ theano_backend.py”，行   489，在 init 中       ** kwargs）

     

文件“D：\ Anaconda2 \ lib \ site-packages \ theano \ compile \ function.py”，   第320行，在功能上       output_keys = output_keys）

     

文件“D：\ Anaconda2 \ lib \ site-packages \ theano \ compile \ pfunc.py”，行   479，在pfunc       output_keys = output_keys）

     

文件   “d：\ Anaconda2 \ LIB \站点包\ theano \编译\ function_module.py”   第1776行，orig_function       output_keys = output_keys）.create（

     

文件   “d：\ Anaconda2 \ LIB \站点包\ theano \编译\ function_module.py”   第1456行， init       optimizer_profile = optimizer（fgraph）

     

文件“D：\ Anaconda2 \ lib \ site-packages \ theano \ gof \ opt.py”，第101行，   在通话       return self.optimize（fgraph）

     

文件“D：\ Anaconda2 \ lib \ site-packages \ theano \ gof \ opt.py”，第89行，   优化       ret = self.apply（fgraph，* args，** kwargs）

     

文件“D：\ Anaconda2 \ lib \ site-packages \ theano \ gof \ opt.py”，第230行，   申请       sub_prof = optimizer.optimize（fgraph）

     

文件“D：\ Anaconda2 \ lib \ site-packages \ theano \ gof \ opt.py”，第89行，   优化       ret = self.apply（fgraph，* args，** kwargs）

     

文件“D：\ Anaconda2 \ lib \ site-packages \ theano \ gof \ opt.py”，第2196行，   申请       lopt_change = self.process_node（fgraph，node，lopt）

     

文件“D：\ Anaconda2 \ lib \ site-packages \ theano \ gof \ opt.py”，第1777行，   在process_node中       lopt，node）

     

文件“D：\ Anaconda2 \ lib \ site-packages \ theano \ gof \ opt.py”，第1673行，   在warn_inplace       返回NavigatorOptimizer.warn（exc，nav，repl_pairs，local_opt，node）

     

文件“D：\ Anaconda2 \ lib \ site-packages \ theano \ gof \ opt.py”，第1659行，   在警告       提出意见

     

的AssertionError

这是我的代码

def VGG_16(weights_path=None):
    model = Sequential()
    model.add(ZeroPadding2D((1,1),input_shape=(3,64,64)))
    model.add(Convolution2D(64, 3, 3, activation='relu'))
    model.add(ZeroPadding2D((1,1)))
    model.add(Convolution2D(64, 3, 3, activation='relu'))
    model.add(MaxPooling2D((2,2), strides=(2,2)))

    model.add(ZeroPadding2D((1,1)))
    model.add(Convolution2D(128, 3, 3, activation='relu'))
    model.add(ZeroPadding2D((1,1)))
    model.add(Convolution2D(128, 3, 3, activation='relu'))
    model.add(MaxPooling2D((2,2), strides=(2,2)))

    model.add(ZeroPadding2D((1,1)))
    model.add(Convolution2D(256, 3, 3, activation='relu'))
    model.add(ZeroPadding2D((1,1)))
    model.add(Convolution2D(256, 3, 3, activation='relu'))
    model.add(ZeroPadding2D((1,1)))
    model.add(Convolution2D(256, 3, 3, activation='relu'))
    model.add(MaxPooling2D((2,2), strides=(2,2)))

    model.add(ZeroPadding2D((1,1)))
    model.add(Convolution2D(512, 3, 3, activation='relu'))
    model.add(ZeroPadding2D((1,1)))
    model.add(Convolution2D(512, 3, 3, activation='relu'))
    model.add(ZeroPadding2D((1,1)))
    model.add(Convolution2D(512, 3, 3, activation='relu'))
    model.add(MaxPooling2D((2,2), strides=(2,2)))

    model.add(ZeroPadding2D((1,1)))
    model.add(Convolution2D(512, 3, 3, activation='relu'))
    model.add(ZeroPadding2D((1,1)))
    model.add(Convolution2D(512, 3, 3, activation='relu'))
    model.add(ZeroPadding2D((1,1)))
    model.add(Convolution2D(512, 3, 3, activation='relu'))
    model.add(MaxPooling2D((2,2), strides=(2,2)))
    return model

    if weights_path:
        import h5py
        f = h5py.File(weights_path)
        for k in range(f.attrs['nb_layers']):
            if k >= len(model.layers):
                # we don't look at the last (fully-connected) layers in the savefile
                break
            g = f['layer_{}'.format(k)]
            weights = [g['param_{}'.format(p)] for p in range(g.attrs['nb_params'])]
            model.layers[k].set_weights(weights)
        f.close()
        print('Model loaded.')

if __name__ == "__main__":

    train_data = np.empty((5800,3,64,64),dtype='float32')
    train_label = np.empty((5800,),dtype="uint8")
    data,label = load_data(r'E:\test\face_64_64\target\train.csv',train_data,train_label)
    # Test pretrained model
    label = np_utils.to_categorical(label,58)

    model = VGG_16()
    model.add(Flatten())
    model.add(Dense(4096, activation='relu'))
    model.add(Dropout(0.5))
    model.add(Dense(4096, activation='relu'))
    model.add(Dropout(0.5))
    model.add(Dense(58, activation='softmax'))
    sgd = SGD(lr=0.1, decay=1e-6, momentum=0.9, nesterov=True)
    model.compile(optimizer=sgd, loss='categorical_crossentropy',class_mode="categorical")
    model.fit(data,label,batch_size=100,nb_epoch=10,shuffle=True,verbose=1,show_accuracy=True,validation_split=0.2)

1 个答案:

答案 0 :(得分：2)

我遇到了与keras / theano相同的问题。通过将theano升级到版本0.8.2解决了错误。请检查您的theano版本＆gt; = 0.8.2并尝试将theano升级到版本0.8.2，相反的情况。例如，使用pip install：

pip install theano==0.8.2

相关问题
最新问题