Question

我正在创建一个用于2类文本分类的小型CNN。我能够使用单个卷积层创建并运行（成功）CNN，但是当我尝试添加第二个卷积层时，出现了我无法解决的错误。错误出现在第二次转化的输出上。

NN会编译并开始拟合，但随后会失败并显示错误。

我尝试删除第一个conv和maxpool层，并且一切正常。

建议做什么。


kerCNN2 = keras.Sequential()
kerCNN2.add(keras.layers.Embedding(len(dictChck), 32))
kerCNN2.add(keras.layers.Conv1D(24,5,activation=tf.nn.relu))
kerCNN2.add(keras.layers.MaxPooling1D(5))
kerCNN2.add(keras.layers.Conv1D(16,5,activation=tf.nn.relu))
kerCNN2.add(keras.layers.GlobalAveragePooling1D())
kerCNN2.add(keras.layers.Dense(16, activation=tf.nn.relu))
kerCNN2.add(keras.layers.Dense(1, activation=tf.nn.sigmoid))
kerCNN2.summary()

kerCNN2.compile(optimizer="adam", loss="binary_crossentropy", metrics=["acc"])

trainHistCNN2 = kerCNN2.fit(encTrain, trainYPartial, epochs = 1, batch_size = 128, validation_data=(encTrainEval, trainYEval), verbose=1)

编译结果：

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
embedding_23 (Embedding)     (None, None, 32)          76915776  
_________________________________________________________________
conv1d_32 (Conv1D)           (None, None, 24)          3864      
_________________________________________________________________
max_pooling1d_13 (MaxPooling (None, None, 24)          0         
_________________________________________________________________
conv1d_33 (Conv1D)           (None, None, 16)          1936      
_________________________________________________________________
global_average_pooling1d_3 ( (None, 16)                0         
_________________________________________________________________
dense_31 (Dense)             (None, 16)                272       
_________________________________________________________________
dense_32 (Dense)             (None, 1)                 17        
=================================================================
Total params: 76,921,865
Trainable params: 76,921,865
Non-trainable params: 0

（相关部分）错误：

InvalidArgumentError (see above for traceback): computed output size would be negative
     [[Node: conv1d_33/convolution/Conv2D = Conv2D[T=DT_FLOAT, data_format="NHWC", padding="VALID", strides=[1, 1, 1, 1], use_cudnn_on_gpu=true, _device="/job:localhost/replica:0/task:0/cpu:0"](conv1d_33/convolution/ExpandDims, conv1d_33/convolution/ExpandDims_1)]]

Answer 1

那是因为您的Tensor形状小于conv内核的大小。

例如张量形状为（None，None，10，None），但conv的过滤器为（X，16，X，X）。

10小于16。

InvalidArgumentError：计算的输出大小将为负

1 个答案: