Question

我用Keras实现了以下模型。在下面，我使用的是Tensorflow。

from keras.models import Sequential
from keras.layers import Conv2D, MaxPooling2D
from keras.layers import Activation, Dropout, Flatten, Dense

model = Sequential()
model.add(Conv2D(32, (2, 2), input_shape=(3, 150, 150), padding='SAME'))
model.add(Activation('relu'))
# model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(MaxPooling2D(pool_size=(2, 2), data_format="channels_last"))

model.add(Conv2D(32, (2, 2), padding='SAME'))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Conv2D(64, (2, 2), padding='SAME'))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

但是，我得到了这个例外：

tensorflow.python.framework.errors_impl.InvalidArgumentError: Negative dimension size caused by subtracting 2 from 1 for 'max_pooling2d_2/MaxPool' (op: 'MaxPool') with input shapes: [?,1,75,32].

我正在使用SAME填充和2*2的卷积，因此输出应为2*2，我应该可以在其上运行MaxPooling。

我无法理解输入如何变为形状[?,1,75,32]。

Answer 1

问题是第一次卷积的输入大小。

您正在使用tensorflow和“channels-last”布局。因此，您需要在通道之前指定x和y分辨率。

model.add(Conv2D(32, (2, 2), input_shape=(150, 150, 3), padding='SAME'))

您的初始形状为[?, 3, 150, 150]，合并适用于第二项和第三项，即形状[?, 1, 75, 32]的创建方式。 32是卷积中的过滤器数量。

如果你想让你的过滤器沿着第一个轴，Keras有一个配置文件，在Linux下应该在/home/user/.keras/keras.json中。在此配置文件中，您可以更改通道布局，该选项称为image_data_format。在那里，您可以在channels_first和channels_last之间切换。

MaxPool上的负尺寸大小

1 个答案: