Keras 卷积形状的尺寸乱序（检查模型输入时出错）

Question

我检查了所有类似的帖子，但我的错误并没有被建议的修复所修复。在此先感谢您的帮助！

我在 Keras 中使用 tensorflow 后端，我的图像尺寸为 1185 x 676。大部分代码来自 Keras 示例之一。

我得到 ValueError: Negative dimension size caused by subtracting 2 from 1 for 'MaxPool' (op: 'MaxPool') with input shapes: [?,1,1183,32]. 当我切换到 dim_ordering="th" 时，这个错误消失了，这很奇怪，考虑到我使用的是 tensorflow，而不是 theano。

到此为止的代码：

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)

Answer 1

您的代码中混淆了图像维度排序。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。

总结了其他方法

Keras 卷积形状的尺寸乱序（检查模型输入时出错）

Keras convolution shape has dimensions out of order (Error when checking model input)

machine-learning

python-2.7

deep-learning

keras

tensorflow