machine-learning - 输入 channel 数与 Keras 中过滤器的相应维度不匹配

Question

我正在使用keras基于Resnet50构建模型，代码如下

input_crop = Input(shape=(3, 224, 224))

# extract feature from image crop
resnet = ResNet50(include_top=False, weights='imagenet')
for layer in resnet.layers:  # set resnet as non-trainable
    layer.trainable = False

crop_encoded = resnet(input_crop)  

但是，我遇到了错误

'ValueError: number of input channels does not match corresponding dimension of filter, 224 != 3'

我该如何解决这个问题？

Answer 1

由于 Theano 和 TensorFlow 使用不同的图像格式，经常会产生此类错误 backends对于喀拉斯。就您而言，图像显然采用 channels_first 格式 (Theano)，而您很可能使用需要 channels_last 格式的 TensorFlow 后端。

MNIST CNN example Keras 提供了一种很好的方法来使您的代码免受此类问题的影响，即同时适用于 Theano 和 TensorFlow 后端 - 以下是针对您的数据的调整:

from keras import backend as K

img_rows, img_cols = 224, 224

if K.image_data_format() == 'channels_first':
    input_crop = input_crop.reshape(input_crop.shape[0], 3, img_rows, img_cols)
    input_shape = (3, img_rows, img_cols)
else:
    input_crop = input_crop.reshape(input_crop.shape[0], img_rows, img_cols, 3)
    input_shape = (img_rows, img_cols, 3)

input_crop = Input(shape=input_shape)