python-2.7 – Keras卷积形状的尺寸乱序(检查模型输入时出错)

2023年8月13日 319次阅读

我已经检查了所有类似的帖子,但我的错误并未修复建议的修复程序.在此先感谢您的帮助！

我正在使用带有Keras的张量流后端,我的图像的尺寸为1185乘676.大部分代码来自Keras的一个例子.

我得到了ValueError：通过输入形状为“MaxPool”(op：’MaxPool’)从1减去2引起的负尺寸大小：[？,1,1183,32].当我切换到dim_ordering =“th”时,这个错误就消失了,这很奇怪,考虑到我使用的是tensorflow,而不是theano.

到目前为止的代码：

img_width, img_height = 1185, 676

train_data_dir = 'data/train'
validation_data_dir = 'data/validation'
nb_train_samples = 32
nb_validation_samples = 8
nb_epoch = 3

model = Sequential()
model.add(Convolution2D(32, 3, 3, input_shape=(3, img_width, img_height)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2), dim_ordering="tf"))

以防数据生成是问题的一部分：

model.compile(loss='binary_crossentropy',
              optimizer='rmsprop',
              metrics=['accuracy'])

train_datagen = ImageDataGenerator(
        rescale=1./255,
        shear_range=0.2,
        zoom_range=0.2,
        horizontal_flip=True)

test_datagen = ImageDataGenerator(rescale=1./255)

train_generator = train_datagen.flow_from_directory(
        train_data_dir,
        batch_size=4,
        target_size=(img_width, img_height),
        class_mode='binary')

validation_generator = test_datagen.flow_from_directory(
        validation_data_dir,
        batch_size=4,
        target_size=(img_width, img_height),
        class_mode='binary')

model.fit_generator(
        train_generator,
        samples_per_epoch=nb_train_samples,
        nb_epoch=nb_epoch,
        validation_data=validation_generator,
        nb_val_samples=nb_validation_samples)

最佳答案 图像维度排序已在您的代码中混合使用.多种方法来解决这个问题.

一种方法是添加

from keras import backend as K
K.set_image_dim_ordering('tf')

在代码的开头.

其他方法总结为in this answer

点赞