MaxPool上的负尺寸大小

Question

我用Keras实现了以下模型。在下面，我使用Tensorflow。

from keras.models import Sequential 
from keras.layers import Conv2D, MaxPooling2D 
from keras.layers import Activation, Dropout, Flatten, Dense 

model = Sequential() 
model.add(Conv2D(32, (2, 2), input_shape=(3, 150, 150), padding='SAME')) 
model.add(Activation('relu')) 
# model.add(MaxPooling2D(pool_size=(2, 2))) 
model.add(MaxPooling2D(pool_size=(2, 2), data_format="channels_last")) 

model.add(Conv2D(32, (2, 2), padding='SAME')) 
model.add(Activation('relu')) 
model.add(MaxPooling2D(pool_size=(2, 2))) 

model.add(Conv2D(64, (2, 2), padding='SAME')) 
model.add(Activation('relu')) 
model.add(MaxPooling2D(pool_size=(2, 2))) 

不过，我得到这个异常：

tensorflow.python.framework.errors_impl.InvalidArgumentError: Negative dimension size caused by subtracting 2 from 1 for 'max_pooling2d_2/MaxPool' (op: 'MaxPool') with input shapes: [?,1,75,32]. 

我使用SAME填充，和2*2卷积，所以输出应该是2*2，我应该能够在其上运行MaxPooling。

我只是不明白如何输入可以达到形状[?,1,75,32]。

Answer 1

问题是您的第一个卷积的输入大小。

您正在使用张量流和“通道最后”布局。 因此，您需要在通道之前指定x和y分辨率。

model.add(Conv2D(32, (2, 2), input_shape=(150, 150, 3), padding='SAME')) 

您最初的形状是[?, 3, 150, 150]，汇集适用于第二个和第三个项目，这就是如何形状[?, 1, 75, 32]创建。 32是卷积中的滤镜数量。

如果你想保持你的过滤器沿第一轴，Keras有一个配置文件，在Linux下这应该是/home/user/.keras/keras.json。在此配置文件中，您可以更改通道布局，该选项被称为image_data_format。您可以在channels_first和channels_last之间切换。