我在Keras创建了一个CNN，其中包含12个卷积层，然后是BatchNormalization，Activation和MaxPooling。该图层的示例是：
ggplot我从32个特征映射开始，以512结尾。如果我在每个Conv Layer之后添加MaxPooling，就像上面的代码一样，我在最后一层出现错误：
ValueError：通过从＆lt; max_pooling2d_11 / MaxPool＆＃39; max_pooling2d_11 / MaxPool＆＃39;中减去2而导致的负尺寸大小（op：＆＃39; MaxPool＆＃39;）输入形状：[？，1,1,512]。
如果我在任何图层中省略一个MaxPooling，模型将编译并开始训练。我使用Tensorflow作为后端，我在第一层中具有正确的图像输入形状。
有什么建议可以解决这个问题吗？
答案 0 :(得分：3)
如果您的空间尺寸为256x256，那么您的网络中不能有超过8个Max-Pooling图层。当2 ** 8 == 256时，在下采样两倍，八次之后，您的要素图在空间维度上将是1x1，这意味着您无法执行最大池化，因为您将获得0x0或负维度。
它只是Max Pooling的一个明显限制，但并不总是在论文中讨论过。
答案 1 :(得分：0)
这也可能是由于您输入的图像格式错误导致的 如果您使用的是（3，X，Y）并且期望为（X，Y，3），则向下采样会在颜色通道上发生并引起问题。