Question

我在这里要使python中的输入通道数等于过滤器尺寸的问题

这是我尝试过的代码

我已经尝试过重塑，但是它给了我同样的错误..因为我是python的新手，所以我不明白如何解决我的错误。我的模型是将cnn与lstm层结合在一起，我有2892个训练图像和测试1896张图像，总共4788张图像，每张图像尺寸为128 * 128

cnn_model = Sequential()

cnn_model.add(Conv2D(32, (3, 3), activation='relu', input_shape=(128,128,3),data_format='channels_last'))
print (cnn_model.output_shape)
cnn_model.add(MaxPooling2D(pool_size=(2, 2)))
print (cnn_model.output_shape)
cnn_model.add(Conv2D(32, (3, 3), activation='relu',data_format='channels_last'))
print (cnn_model.output_shape)
cnn_model.add(MaxPooling2D(pool_size=(2, 2)))
print (cnn_model.output_shape)

cnn_model.add(Conv2D(64, (3, 3), activation='relu',data_format='channels_last'))
print (cnn_model.output_shape)
cnn_model.add(MaxPooling2D(pool_size=(2, 2)))
print (cnn_model.output_shape)

cnn_model.add(Conv2D(128, (3, 3), activation='relu',data_format='channels_last'))
print (cnn_model.output_shape)
cnn_model.add(MaxPooling2D(pool_size=(2, 2)))
print ("MP",cnn_model.output_shape)
cnn_model.add(Flatten())
print (cnn_model.output_shape)
cnn_model.summary()
model = Sequential()
model.add(cnn_model)
print (model.output_shape)
model.add(Reshape((4608,1)))
model.add(LSTM(16,return_sequences=True, dropout=0.5))
print ("LSTM",model.output_shape)

model.add(Dense(1, activation='softmax'))

model.compile(optimizer='adadelta', loss='categorical_crossentropy', metrics=['accuracy'])
model.summary()

X_data = np.array(X_data)
X_datatest = np.array(X_datatest)
model.add(Reshape((-1,128,128,3)))
hist=model.fit(X_data, X_data,epochs=15,batch_size=128,verbose = 2,validation_data=(X_data, X_data))

但是它给我以下错误

回溯（最近通话最近）：文件 “ C：\ Users \ bdyssm \ Desktop \ Master \ LSTMCNN2.py”，第193行，在 model.add（Reshape（（2892,1）））文件“ C：\ Users \ bdyssm \ AppData \ Local \ Programs \ Python \ Python35 \ lib \ site-packages \ keras \ engine \ sequential.py”，第181行，添加 output_tensor = layer（self.outputs [0]）文件“ C：\ Users \ bdyssm \ AppData \ Local \ Programs \ Python \ Python35 \ lib \ site-packages \ keras \ engine \ base_layer.py”，第474行，在致电中 output_shape = self.compute_output_shape（input_shape）文件“ C：\ Users \ bdyssm \ AppData \ Local \ Programs \ Python \ Python35 \ lib \ site-packages \ keras \ layers \ core.py”，第398行，在compute_output_shape中 input_shape [1：]，self.target_shape）文件“ C：\ Users \ bdyssm \ AppData \ Local \ Programs \ Python \ Python35 \ lib \ site-packages \ keras \ layers \ core.py”， _fix_unknown_dimension中的第386行引发ValueError（msg）ValueError：新数组的总大小必须保持不变

Answer 1

添加密集层后，输出形状为：function get_colonn3($data) { $this->db->select("table.colonn3") ->where([ "colonn3" => $data ]); return $this->db->get("table")->result_array(); }，因此总大小为(None, 4608, 1)

但是随后您想要添加一个重塑图层batch_size * 4608，其总大小为Reshape((-1,128,128,3))

这是您的问题所在。

Answer 2

如果您的第一个密集形状为60，则Reshape（）必须成比例，例如3,20：

  def create_model():
    clf = Sequential()
    clf.add(Dense(60, input_dim=Input_Dim, activation='relu'))
    print('clf.output_shape1: ',clf.output_shape)  # clf.output_shape1:  (None, 60)
    clf.add(Reshape((3,20)))
    clf.add(LSTM(LSTM_out, dropout=0.5, recurrent_dropout=0.5))

有改形技术来固定阵列大小吗？

2 个答案: