首页 文章

Keras Maxpooling2d层给出了ValueError

提问于
浏览 次
19

我想在keras中复制VGG16模型，以下是我的代码：

model = Sequential()
model.add(ZeroPadding2D((1,1),input_shape=(3,224,224)))
model.add(Convolution2D(64, 3, 3, activation='relu'))
model.add(ZeroPadding2D((1,1)))
model.add(Convolution2D(64, 3, 3, activation='relu'))
model.add(MaxPooling2D((2,2), strides=(2,2)))
model.add(ZeroPadding2D((1,1)))
model.add(Convolution2D(128, 3, 3, activation='relu'))
model.add(ZeroPadding2D((1,1)))
model.add(Convolution2D(128, 3, 3, activation='relu'))
model.add(MaxPooling2D((2,2), strides=(2,2))) ###This line gives error
model.add(ZeroPadding2D((1,1)))
model.add(Convolution2D(256, 3, 3, activation='relu'))
model.add(ZeroPadding2D((1,1)))
model.add(Convolution2D(256, 3, 3, activation='relu'))
model.add(ZeroPadding2D((1,1)))
model.add(Convolution2D(256, 3, 3, activation='relu'))
model.add(MaxPooling2D((2,2), strides=(2,2)))
model.add(ZeroPadding2D((1,1)))
model.add(Convolution2D(512, 3, 3, activation='relu'))
model.add(ZeroPadding2D((1,1)))
model.add(Convolution2D(512, 3, 3, activation='relu'))
model.add(ZeroPadding2D((1,1)))
model.add(Convolution2D(512, 3, 3, activation='relu'))
model.add(MaxPooling2D((2,2), strides=(2,2)))
model.add(ZeroPadding2D((1,1)))
model.add(Convolution2D(512, 3, 3, activation='relu'))
model.add(ZeroPadding2D((1,1)))
model.add(Convolution2D(512, 3, 3, activation='relu'))
model.add(ZeroPadding2D((1,1)))
model.add(Convolution2D(512, 3, 3, activation='relu'))
model.add(MaxPooling2D((2,2), strides=(2,2)))
model.add(Flatten())
model.add(Dense(4096, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(4096, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(1000, activation='softmax'))

maxpooling2d层在注释的行中给出错误

错误说：

ValueError: Negative dimension size caused by subtracting 2 from 1 for 'MaxPool_7' (op: 'MaxPool') with input shapes: [?,1,112,128].

这背后可能是什么原因？怎么解决这个？

编辑：更详细的错误日志：

ValueError Traceback（最近一次调用last）in（）12 model.add（Convolution2D（128,3,3，activation ='relu'））13 ---> 14 model.add（MaxPooling2D（（2,2）， strides =（2,2）））15 16 model.add（ZeroPadding2D（（1,1）））/ usr / local / lib / python2.7 /dist-packages / keras / models.pyc in add（self，layer ）306 output_shapes = [self.outputs [0] ._ keras_shape]）307 else： - > 308 output_tensor = layer（self.outputs [0]）309如果type（output_tensor）是list：310 raise Exception（'all layers in一个顺序模型'/usr/local/lib/python2.7/dist-packages/keras/engine/topology.pyc in call（self，x，mask）512 if inbound_layers：513＃这将调用layer.build（）if必要 - > 514 self.add_inbound_node（inbound_layers，node_indices，tensor_indices）515 input_added = True 516 /usr/local/lib/python2.7/dist-packages/keras/engine/topology.pyc in add_inbound_node（self，inbound_layers，node_indices ，tensor_indices）570＃创建节点会自动更新self.inbound_nodes 571＃以及入站层的outbound_nodes . - > 572 Node.create_node（self，inbound_layers，node_indices，tensor_indices）573 574 def get_output_shape_for（self，input_shape）：create_node中的/usr/local/lib/python2.7/dist-packages/keras/engine/topology.pyc(cls, outbound_layer，inbound_layers，node_indices，tensor_indices）147 148如果len（input_tensors）== 1： - > 149 output_tensors = to_list（outbound_layer.call（input_tensors [0]，mask = input_masks [0]））150 output_masks = to_list（outbound_layer） .compute_mask（input_tensors [0]，input_masks [0]））151＃TODO：如果get_output_shape_for /usr/local/lib/python2.7/dist-packages/keras/layers/pooling引发异常，尝试自动推断形状.pyc in call（self，x，mask）160 strides = self.strides，161 border_mode = self.border_mode， - > 162 dim_ordering = self.dim_ordering）163 return output 164 /usr/local/lib/python2.7/ _pooling_function中的dist-packages / keras / layers / pooling.pyc（self，inputs，pool_size，strides，border_mode，dim_ordering）210 border_mode，dim_ordering）：211 output = K.pool2d（inputs，pool_siz） e，strides， - > 212 border_mode，dim_ordering，pool_mode ='max'）213在pool2d（x，pool_size）中返回输出214 /usr/local/lib/python2.7/dist-packages/keras/backend/tensorflow_backend.pyc ，strides，border_mode，dim_ordering，pool_mode）1699 1700 if pool_mode =='max'： - > 1701 x = tf.nn.max_pool（x，pool_size，strides，padding = padding）1702 elif pool_mode =='avg'：1703 x = tf.nn.avg_pool（x，pool_size，strides，padding = padding）/usr/local/lib/python2.7/dist-packages/tensorflow/python/ops/nn_ops.pyc in max_pool（value，ksize，strides ，padding，data_format，name）1391 padding = padding，1392 data_format = data_format， - > 1393 name = name）1394 1395 /usr/local/lib/python2.7/dist-packages/tensorflow/python/ops/gen_nn_ops.pyc in _max_pool（input，ksize，strides，padding，data_format，name）1593 result = _op_def_lib.apply_op（“MaxPool”，input = input，ksize = ksize，1594 strides = strides，padding = padding， - > 1595 data_format = data_format， name = name）1596返回结果1597 /usr/local/lib/python2.7/dist-packages apply_op中的/tensorflow/python/framework/op_def_library.pyc（self，op_type_name，name，** keywords）747 op = g.create_op（op_type_name，inputs，output_types，name = scope，748 input_types = input_types，attrs = attr_protos， - - > 749 op_def = op_def）750 outputs = op.outputs 751在create_op中返回_Restructure（ops.convert_n_to_tensor（outputs），/ usr / local / lib / python2.7 /dist-packages /tensorflow / python / framework /ops.pyc （self，op_type，inputs，dtypes，input_types，name，attrs，op_def，compute_shapes，compute_device）2388 original_op = self._default_original_op，op_def = op_def）2389 if compute_shapes： - > 2390 set_shapes_for_outputs（ret）2391 self._add_op（ret） 2392 self__record_op_seen_by_control_dependencies（ret）/usr/local/lib/python2.7/dist-packages/tensorflow/python/framework/ops.pyc in set_shapes_for_outputs（op）1783引发RuntimeError（“没有为标准操作注册形状函数：％ s“1784％op.type” - > 1785个shapes = shape_func（op）1786如果形状为None：1787引发RuntimeError（/ usr / local / lib / pytho call_cpp_shape_fn中的n2.7 / dist-packages / tensorflow / python / framework / common_shapes.pn（op，input_tensors_needed，debug_python_shape_fn）594 status）595除了errors.InvalidArgumentError为错误： - > 596引发ValueError（err.message）597 598 ＃在output_shapes中转换TensorShapeProto值 . ValueError：通过输入形状为“MaxPool_7”（op：'MaxPool'）从1减1而导致的负尺寸大小：[？，1,112,128] .

python neural-network tensorflow deep-learning keras

6 回答

  • 19

    您使用输入形状为（3，x，y）应将其更改为input_shape = x，y，3

    回复于
  • 1

    对于使用TensorFlow的keras，请尝试以下操作：

    model.add(ZeroPadding2D((1, 1), input_shape=(img_rows, img_cols, channel)))
    回复于
  • 0

    我在加载经过训练的 VGG 模型时也遇到了同样的问题 . 所以我只是对测试图像进行了转置 . 实际命令如下：

    kerasImage = kerasImage.transpose(1,2,0)

    回复于
  • 0

    引用github中提到的答案，您需要指定维度排序：

    Keras是Theano或Tensorflow库的包装器 . Keras使用设置变量 image_dim_ordering 来确定输入层是Theano还是Tensorflow格式 . 此设置可以通过两种方式指定 -

    • 在 ~/.keras/keras.json 中指定 'tf' 或 'th' ，如此 - image_dim_ordering: 'th' . 注意：这是json file .

    • 或在模型中指定 image_dim_ordering ，如下所示： model.add(MaxPooling2D(pool_size=(2, 2), dim_ordering="th"))

    Appendix: image_dim_ordering 在 'th' 模式中，通道维度（深度）位于索引1（例如3,256,256） . 在 'tf' 模式中它是索引3（例如256,256,3） . 从评论中引用@naoko .

    回复于
  • 1

    为我添加 dim_ordering 已解决的错误：

    model.add(MaxPooling2D(pool_size=(2, 2), dim_ordering="th"))
    回复于
  • 0

    接受的答案有效 . 但您也可以执行以下操作：

    model.add(MaxPooling2D((2, 2), name='block1_pool', data_format='channels_last')

    Keras假设TensorFlow后端的输入为 (width, height, channels) ，Theano后端的输入为 (channel, width, height) . 由于 input_shape=(3,224,224) ，指定 data_format='channels_last' 应该可以解决问题 .

    回复于

相关问题