Question

我正在使用tensorflow和keras来构建神经网络。

我想对keras.layers.Conv2DTranspose（Definition in Keras documentation）使用转置卷积

我使用了tutorial，并按照如下方式定义了我的网络：

import tensorflow as tf

from keras.models import Sequential

from keras.layers import Conv2DTranspose

sess = tf.Session()

batch_size = 20

model = Sequential()

model.add(Conv2DTranspose(filters = (batch_size,1,2700, 1),kernel_size = (2700,1), activation = 'relu', input_shape = (1,1,1,1)))

出现以下错误：

ValueError                                Traceback (most recent call last)
<ipython-input-3-01a3b17fa36f> in <module>()
     11 model = Sequential()
     12 
---> 13 model.add(Conv2DTranspose(filters = (batch_size,1,2700, 1),kernel_size = (2700,1), activation = 'relu', input_shape = (1,1,1,1)))

/usr/local/lib/python3.5/dist-packages/keras/models.py in add(self, layer)
    465                 # and create the node connecting the current layer
    466                 # to the input layer we just created.
--> 467                 layer(x)
    468 
    469             if len(layer._inbound_nodes[-1].output_tensors) != 1:

/usr/local/lib/python3.5/dist-packages/keras/engine/topology.py in __call__(self, inputs, **kwargs)
    573                 # Raise exceptions in case the input is not compatible
    574                 # with the input_spec specified in the layer constructor.
--> 575                 self.assert_input_compatibility(inputs)
    576 
    577                 # Collect input shapes to build layer.

/usr/local/lib/python3.5/dist-packages/keras/engine/topology.py in assert_input_compatibility(self, inputs)
    472                                      self.name + ': expected ndim=' +
    473                                      str(spec.ndim) + ', found ndim=' +
--> 474                                      str(K.ndim(x)))
    475             if spec.max_ndim is not None:
    476                 ndim = K.ndim(x)

ValueError: Input 0 is incompatible with layer conv2d_transpose_1: expected ndim=4, found ndim=5

尽管如此，我的输入的尺寸为4（input_shape = (1,1,1,1)）

如何正确定义输入，然后添加一些图层？

Answer 1

在Conv2DTranspose的documentation中，您可以看到filters是位置参数，应该是整数。此整数指定您要在图层中使用的过滤器数量。
下一个参数是kernel_size（也是位置参数），它指定过滤器的形状。我认为您正在寻找的是：

model.add(Conv2DTranspose(n_filt, (2700, 1), activation='relu' input_shape = (1, 1, 1,)))

其中n_filt是图层中转置卷积滤波器的数量。

注意：

不要在input_shape参数中提供批处理尺寸，或改用batch_input_shape。
编辑以澄清：如果数据批的维度为(batch_size, dim1, dim2, dim3)，则应传递input_shape = (dim1, dim2, dim3, )（请注意最后一个空格之前的逗号）或batch_input_shape = (batch_size, dim1, dim2, dim3)。我建议使用input_shape，因为您对要使用的批处理大小没有任何限制。
不能使用关键字指定位置参数，即，如果filters = ...是位置参数，则不要在函数调用中使用filters。

如何为转置卷积定义输入层

1 个答案: