Question

我将项目从Keras 1.x迁移到2.x。

在代码中，1.x中正常运行的keras.backend.conv2d操作现在在2.x中崩溃。

convs = K.conv2d(a, b, padding='valid', data_format='channels_first')

输入张量形状a和b都是(1024, 4, 1, 1)，输出张量形状在1.x中为(1024, 1024, 1, 1)。

使用2.x我收到以下错误：

ValueError: CorrMM: impossible output shape
  bottom shape: 1024 x 4 x 1 x 1
  weights shape: 1 x 1 x 1024 x 4
  top shape: 1024 x 1 x -1022 x -2

Apply node that caused the error: CorrMM{valid, (1, 1), (1, 1), 1 False}(Print{message='a', attrs=('__str__',), global_fn=<function DEBUG_printTensorShape at 0x00000272EF1FAD08>}.0, Subtensor{::, ::, ::int64, ::int64}.0)
Toposort index: 30
Inputs types: [TensorType(float32, (False, False, True, True)), TensorType(float32, (True, True, False, False))]
Inputs shapes: [(1024, 4, 1, 1), (1, 1, 1024, 4)]

我正在使用Theano后端，并在channels_first和K.set_image_data_format中设置conv2d。

Answer 1

在conv2D方法中，a是实际图片，b是内核。

a的预期形状是（＆＃34; channels_first＆＃34;）：

(batchSize, channels, side1, side2)

所以，你的输入有：

1024张图片
4个频道
image 1 x 1

但是虽然使用'channels_last'，但b的预期形状为：

(side1,side2, inputChannels,outputChannels)

这似乎有点误导，因为在过滤器中，它仍然是最后的通道。（在我的keras上测试，版本2.0.4）

因此，如果您的输出为(1024,1024,1,1)，我认为b应该有1024个输出过滤器，因此它的形状应为：

(1,1,4,1024)

您应该使用某种方法来置换尺寸，而不仅仅是重塑。 Numpy有swapaxes，keras有K.permute_dimensions。

将keras.backend.conv2d从Keras 1.x迁移到2.x.

1 个答案: