我已经检查了所有类似的帖子,但是我的错误没有被修正的修复建议。预先感谢任何帮助!Keras卷积形状的尺寸无序(检查模型输入时出错)
我使用的是tensorflow后端与Keras,和我的图片的尺寸是1185由676大部分的代码是从的Keras例子之一。
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,这很奇怪,考虑到我使用的是张量流,而不是theano。
代码到这一点:
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"))
和公正的情况下,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)
更新: 它看起来像尺寸是不是由池大小整除。现在我得到 'ValueError:由输入形状为'Conv2D'(op:'Conv2D')从1减1开始的负尺寸大小:[?,1,1185,676],[3,3,676,32 ]。' –
更新: 修复了池大小。 现在,在拟合过程中: 'ValueError:检查模型输入时出错:期望convolution2d_input_1有形状(无,3,1185,676),但有形状的数组(2,1185,676,3)' –
您的输入shape与image_ordering =“tf”不一致,你为什么只在一层中强制图像排序? –