在我的卷积网络中，我最近根据this question的回答添加了一个Lambda层作为输入层，用于选择输入图像的特定通道
model.add(Lambda(lambda x: x[:,:,:2], input_shape=(w, h, 3)))
当我尝试添加MaxPooling2D层时，出现错误ValueError: Negative dimension size caused by subtracting 3 from 2 for 'max_pooling2d_14/MaxPool' (op: 'MaxPool') with input shapes: [?,250,2,64]
我以为在Theano和Tensorflow暗淡顺序之间犯了一些错误，所以我编辑了Lambda层：
model.add(Lambda(lambda x: x[:2,:,:], input_shape=(w, h, 3)))
这次，添加更多层没有问题，但是当我尝试使用fit_generator时，出现错误：InvalidArgumentError: Incompatible shapes: [64] vs. [2]
追溯的时间很长，我将它们上传到here。
我正在Linux上使用4 GPU进行计算，谢谢您的帮助。
答案 0 :(得分：0)
问题出在我使用Lambda层对输入进行切片的方式上。
输入形状按此顺序具有4个属性：batch_size，宽度，高度，通道。
对于选择输入数据的多个数组，由于Tensorflow不支持numpy的高级索引方法，因此我们应该首先对输入张量进行切片，使用dim扩展添加颜色深度，然后再对其进行串联。