Question

我正在加载VGG19模型并尝试应用1d转换来减小深度，但出现以下错误： “ ValueError：输入0与层conv1d_1不兼容：预期ndim = 3，找到的ndim = 4”

这是我正在使用的功能：

def getModel():
    base_model = VGG19(weights='imagenet')
    model = Model(inputs=base_model.input, outputs=base_model.get_layer('block4_conv4').output) 
    #model.output=(None, 28, 28, 512)   
    layer=keras.layers.Conv1D(96, (512), padding='same')
    model.summary()
    out=(layer)(model.output)
    model = Model(inputs=base_model.input, outputs=out)
    model.summary()
    return model

Answer 1

问题是最后一个输出是由Conv2D层产生的输出，其形状为[批处理大小，高度，宽度，通道]。 Conv1D不能使用它。 Conv1D消耗[批量大小，宽度，通道]输入。对于您来说，由于您有兴趣减少过滤器的数量，因此您要做的就是将Conv1D转换为Conv2D。

只需将您的功能更改为

def getModel():
    base_model = VGG19(weights='imagenet')
    model = Model(inputs=base_model.input, outputs=base_model.get_layer('block4_conv4').output) 

    # Here we are using Conv2D not Conv1D which gives 96 filters at the end.
    layer=keras.layers.Conv2D(96, (3,3), padding='same')
    model.summary()
    out=(layer)(model.output)
    model = Model(inputs=base_model.input, outputs=out)
    model.summary()
    return model

在这里

96-过滤器的数量
（3,3）-卷积层的内核高度和宽度。

““ ValueError：输入0与层conv1d_1不兼容：预期ndim = 3，找到的ndim = 4”

1 个答案: