Question

我试图在Keras中构建一个卷积自动编码器。我的印象是卷积层与输入具有相同的输出维度，除非你设置步幅> 1或设置border_mode =＆＃39;有效＆＃39;。这是我的网络

from keras.layers import Convolution2D, MaxPooling2D, UpSampling2D, Activation
from keras.models import Model, Sequential
model = Sequential()
model.add(Convolution2D(16, 3, 3, border_mode='same', input_shape=(1, 1920, 1080)))
model.add(Activation('relu'))
model.add(MaxPooling2D((2, 2), border_mode='same'))
model.add(Convolution2D(8, 3, 3, border_mode='same'))
model.add(Activation('relu'))
model.add(UpSampling2D((2, 2)))
model.add(Convolution2D(8, 3, 3, border_mode='same'))
model.add(Activation('relu'))
model.add(UpSampling2D((2, 2)))
model.compile(optimizer='adadelta', loss='binary_crossentropy')

当我检查第一层的输出尺寸时，似乎y坐标的长度已减小。

>>>model.layers[0].output_shape
(None, 1, 1920, 16)

造成这种情况的原因是什么？我无法弄清楚16来自哪里。它似乎与1080没有任何简单的关系。

Answer 1

问题在于所谓的image_ordering。根据您使用的后端 - 您需要以指定的格式提供数据：

对于th（Theano）图片排序，您应该提供以下格式的数据：
```
[batches, channels, image_width, image_weight]
```
这是您认为正确的格式。
tf（TensorFlow）图像排序为：
```
 [batches, width, height, channels]
```
这是您的Keras安装解释输入的格式。

keras中的默认图像排序是tf，我假设这会导致您的问题。您可以通过以下命令检查图像排序：

from keras.backend import image_dim_ordering
print image_dim_ordering() # Assuming that you're using a Python 2.*

您可以通过更改keras.json所描述的here来更改它。

您还可以通过打印model.summary()的结果来检查您的模型详细信息，以确保实际情况如此。

卷积层减少了Keras的输出维数？

1 个答案: