'conv2d_2 / convolution'从1减去3导致的负尺寸大小

Question

在Keras中声明输入层时出现此错误消息。

ValueError：通过输入形状为'conv2d_2 / convolution'（op：'Conv2D'）从1中减去3而导致的负尺寸大小：[？，1,28,28]，[3,3,28,32]。

我的代码是这样的

model.add(Convolution2D(32, 3, 3, activation='relu', input_shape=(1,28,28)))

样品申请：https://github.com/IntellijSys/tensorflow/blob/master/Keras.ipynb

Answer 1

默认情况下，Convolution2D（https://keras.io/layers/convolutional/）期望输入采用格式（样本，行，列，通道），即“通道最后”。您的数据似乎采用格式（样本，通道，行，列）。在声明Convolution2D层时，您应该能够使用可选关键字data_format = 'channels_first'来解决此问题。

model.add(Convolution2D(32, (3, 3), activation='relu', input_shape=(1,28,28), data_format='channels_first'))

Answer 2

我有同样的问题，这个线程中提供的解决方案对我没有帮助。经过深思熟虑后，我找到了解决方案，解决了我的问题。

首先，这是我的代码（我知道它不好，我还在学习）

imageSize=32
classifier=Sequential() 

classifier.add(Conv2D(64, (3, 3), input_shape = (imageSize, imageSize, 3), activation = 'relu'))
classifier.add(MaxPooling2D(pool_size = (2, 2)))

classifier.add(Conv2D(64, (3, 3), activation = 'relu'))
classifier.add(MaxPooling2D(pool_size = (2, 2)))

classifier.add(Conv2D(64, (3, 3), activation = 'relu')) 
classifier.add(MaxPooling2D(pool_size = (2, 2)))

classifier.add(Conv2D(64, (3, 3), activation = 'relu')) 
classifier.add(MaxPooling2D(pool_size = (2, 2)))

classifier.add(Conv2D(64, (3, 3), activation = 'relu')) 
classifier.add(MaxPooling2D(pool_size = (2, 2)))

classifier.add(Flatten())

只有经历了各种可能性后，才发现错误：

图像大小是32乘32.在第一个卷积层之后，我们将它减少到30乘以30（我认为，如果我正确理解卷积）

然后汇集层将它减少到一半，所以15乘15 ...

等等..最后，我的功能图很小，我的池层（或卷积层）太大而无法覆盖它 - 并导致错误

因此，通过使图像尺寸更大或减少卷积或合并层来容易地解决误差。

Answer 3

Keras具有以下后端兼容性：

TensorFlow：谷歌，Theano：由LISA实验室开发，CNTK：微软

每当你看到[？，X，X，X]，[X，Y，Z，X]的错误时，修复此问题的通道问题就是使用Keras的自动模式：

进口

from keras import backend as K
K.set_image_dim_ordering('th')

“tf”格式意味着卷积内核将具有形状（rows，cols，input_depth，depth）

这将永远有效......