Question

我正在尝试在keras中复制VGG16模型，以下是我的代码：

model = Sequential()
model.add(ZeroPadding2D((1,1),input_shape=(3,224,224)))
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))) ###This line gives error
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)))
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(1000, activation='softmax'))

maxpooling2d层在注释的行

处给出错误

错误说：

ValueError: Negative dimension size caused by subtracting 2 from 1 for 'MaxPool_7' (op: 'MaxPool') with input shapes: [?,1,112,128].

这背后可能是什么原因？怎么解决这个问题？

编辑：更详细的错误日志：

ValueError Traceback（最近一次调用   最后）in（）        12 model.add（卷积2D（128,3,3，激活=＆＃39; relu＆＃39;））        13   ---＆GT; 14 model.add（MaxPooling2D（（2,2），strides =（2,2）））        15        16 model.add（ZeroPadding2D（（1,1）））

/usr/local/lib/python2.7/dist-packages/keras/models.pyc in add（self，   层）       306 output_shapes = [self.outputs [0] ._ keras_shape]）       307其他：    - ＆GT; 308 output_tensor = layer（self.outputs [0]）       309如果type（output_tensor）是list：       310引发异常（＆＃39;顺序模型中的所有图层＆＃39;

/usr/local/lib/python2.7/dist-packages/keras/engine/topology.pyc in   致电（自我，x，面具）       512 if inbound_layers：       513＃如果需要，这将调用layer.build（）    - ＆GT; 514 self.add_inbound_node（inbound_layers，node_indices，tensor_indices）       515 input_added = True       516

/usr/local/lib/python2.7/dist-packages/keras/engine/topology.pyc in   add_inbound_node（self，inbound_layers，node_indices，tensor_indices）       570＃创建节点会自动更新self.inbound_nodes       571＃以及入站图层上的outbound_nodes。    - ＆GT; 572 Node.create_node（self，inbound_layers，node_indices，tensor_indices）       573       574 def get_output_shape_for（self，input_shape）：

/usr/local/lib/python2.7/dist-packages/keras/engine/topology.pyc in   create_node（cls，outbound_layer，inbound_layers，node_indices，   tensor_indices）       147       148如果len（input_tensors）== 1：    - ＆GT; 149 output_tensors = to_list（outbound_layer.call（input_tensors [0]，mask = input_masks [0]））       150 output_masks = to_list（outbound_layer.compute_mask（input_tensors [0]，input_masks [0]））       151＃TODO：如果get_output_shape_for引发异常，尝试自动推断形状

/usr/local/lib/python2.7/dist-packages/keras/layers/pooling.pyc in   呼（自我，x，面具）       160 strides = self.strides，       161 border_mode = self.border_mode，    - ＆GT; 162 dim_ordering = self.dim_ordering）       163返回输出       164

/usr/local/lib/python2.7/dist-packages/keras/layers/pooling.pyc in   _pooling_function（self，inputs，pool_size，strides，border_mode，dim_ordering）       210 border_mode，dim_ordering）：       211输出= K.pool2d（输入，pool_size，步幅，    - ＆GT; 212 border_mode，dim_ordering，pool_mode =＆＃39; max＆＃39;）       213返回输出       214

/usr/local/lib/python2.7/dist-packages/keras/backend/tensorflow_backend.pyc   在pool2d（x，pool_size，strides，border_mode，dim_ordering，pool_mode）中   1699 1700如果pool_mode ==＆＃39; max＆＃39;：    - ＆GT; 1701 x = tf.nn.max_pool（x，pool_size，strides，padding = padding）1702 elif pool_mode ==＆＃39; avg＆＃39;：1703
  x = tf.nn.avg_pool（x，pool_size，strides，padding = padding）

/usr/local/lib/python2.7/dist-packages/tensorflow/python/ops/nn_ops.pyc   在max_pool（value，ksize，strides，padding，data_format，name）1391   padding = padding，1392
  DATA_FORMAT = DATA_FORMAT，    - ＆GT; 1393 name = name）1394 1395

/usr/local/lib/python2.7/dist-packages/tensorflow/python/ops/gen_nn_ops.pyc   在_max_pool中（输入，ksize，strides，padding，data_format，name）
  1593 result = _op_def_lib.apply_op（＆＃34; MaxPool＆＃34;，input = input，   ksize = ksize，1594 strides = strides，   填充=填充，    - ＆GT; 1595 data_format = data_format，name = name）1596返回结果1597

/usr/local/lib/python2.7/dist-packages/tensorflow/python/framework/op_def_library.pyc   在apply_op中（self，op_type_name，name，** keywords）       747 op = g.create_op（op_type_name，inputs，output_types，name = scope，       748 input_types = input_types，attrs = attr_protos，    - ＆GT; 749 op_def = op_def）       750输出= op.outputs       751返回_Restructure（ops.convert_n_to_tensor（输出），

/usr/local/lib/python2.7/dist-packages/tensorflow/python/framework/ops.pyc   在create_op中（self，op_type，inputs，dtypes，input_types，name，attrs，   op_def，compute_shapes，compute_device）2388
  original_op = self._default_original_op，op_def = op_def）2389 if   compute_shapes：    - ＆GT; 2390 set_shapes_for_outputs（ret）2391 self._add_op（ret）2392
  self._record_op_seen_by_control_dependencies（RET）

/usr/local/lib/python2.7/dist-packages/tensorflow/python/framework/ops.pyc   在set_shapes_for_outputs（op）1783引发RuntimeError（＆＃34; No   为标准操作注册的形状函数：％s＆＃34; 1784
  ％op.type）    - ＆GT; 1785个shapes = shape_func（op）1786如果形状为None：1787引发RuntimeError（

/usr/local/lib/python2.7/dist-packages/tensorflow/python/framework/common_shapes.pyc   在call_cpp_shape_fn中（op，input_tensors_needed，debug_python_shape_fn）       594状态）       595除了errors.InvalidArgumentError为错误：    - ＆GT; 596引发ValueError（err.message）       597       598＃在output_shapes中转换TensorShapeProto值。

ValueError：从1减去2得到的负尺寸大小   ＆＃39; MaxPool_7＆＃39; （op：＆＃39; MaxPool＆＃39;）输入形状：[？，1,112,128]。

Answer 1

引用github中提到的答案，您需要指定维度排序：

Keras是Theano或Tensorflow库的包装器。 Keras使用设置变量image_dim_ordering来确定输入层是Theano还是Tensorflow格式。此设置可以通过两种方式指定 -

在'tf'中指定'th'或~/.keras/keras.json，如此 - image_dim_ordering: 'th'。注意：这是json file。
或在模型中指定image_dim_ordering，如下所示：model.add(MaxPooling2D(pool_size=(2, 2), dim_ordering="th"))

附录： image_dim_ordering在'th'模式下，频道维度（深度）位于索引1（例如3,256,256）。在'tf'模式下它是索引3（例如256,256,3）。从评论中引用@naoko。

Answer 2

您正在使用输入形状为（3，x，y）应将其更改为input_shape = x，y，3

Answer 3

对于使用TensorFlow的keras，请尝试以下操作：

model.add(ZeroPadding2D((1, 1), input_shape=(img_rows, img_cols, channel)))

Answer 4

我在加载经过培训的 VGG 模型时也遇到了同样的问题。所以我只是采取了测试图像的转置。实际命令如下：

addUIInterruptionMonitor

Answer 5

接受的答案有效。但您也可以执行以下操作：

    model.add(MaxPooling2D((2, 2), name='block1_pool', data_format='channels_last')

Keras假设TensorFlow后端的输入为(width, height, channels)，Theano后端的输入为(channel, width, height)。由于您的input_shape=(3,224,224)，指定data_format='channels_last'应该可以解决问题。

Answer 6

为我添加dim_ordering已解决的错误：

model.add(MaxPooling2D(pool_size=(2, 2), dim_ordering="th"))

Answer 7

我遇到了同样的问题，我通过将padding：'valid'更改为padding：'SAME'来解决了这个问题：我猜它足以添加一个padding参数：'same'

model.add(MaxPooling2D((2,2), strides=(2,2), padding='same'))

Keras Maxpooling2d图层给出了ValueError

7 个答案: