python - MaxPool 上的负维度大小

Question

我已经使用 Keras 实现了以下模型。在下面，我使用的是 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)))

但是，我遇到了这个异常:

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].

我正在使用 SAME 填充和 2*2 的卷积，所以输出应该是 2*2 而我应该是能够在其上运行 MaxPooling。

我只是不明白输入如何达到 [?,1,75,32] 的形状。

Answer 1

问题是第一个卷积的输入大小。

您正在使用 tensorflow 和“channels-last”布局。因此，您需要在 channel 前指定x和y分辨率。

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

你的初始形状是[?, 3, 150, 150]，池化应用于第二和第三项，这就是形状[?, 1, 75, 32] 已创建。32 是卷积中的过滤器数量。

如果你想让你的过滤器保持在第一个轴上，Keras 有一个配置文件，在 Linux 下，它应该在/home/user/.keras/keras.json 中。在此配置文件中，您可以更改 channel 布局，该选项称为 image_data_format。您可以在 channels_first 和 channels_last 之间切换。