2017-01-17 113 views
4

我已經檢查了所有類似的帖子,但是我的錯誤沒有被修正的修復建議。預先感謝任何幫助!Keras卷積形狀的尺寸無序(檢查模型輸入時出錯)

我使用的是tensorflow後端與Keras,和我的圖片的尺寸是1185由676大部分的代碼是從的Keras例子之一。

我得到ValueError: Negative dimension size caused by subtracting 2 from 1 for 'MaxPool' (op: 'MaxPool') with input shapes: [?,1,1183,32].當我切換到dim_ordering =「th」時,這個錯誤消失,這很奇怪,考慮到我使用的是張量流,而不是theano。

代碼到這一點:

img_width, img_height = 1185, 676 

train_data_dir = 'data/train' 
validation_data_dir = 'data/validation' 
nb_train_samples = 32 
nb_validation_samples = 8 
nb_epoch = 3 

model = Sequential() 
model.add(Convolution2D(32, 3, 3, input_shape=(3, img_width, img_height))) 
model.add(Activation('relu')) 
model.add(MaxPooling2D(pool_size=(2, 2), dim_ordering="tf")) 

和公正的情況下,數據生成是問題的一部分:

model.compile(loss='binary_crossentropy', 
       optimizer='rmsprop', 
       metrics=['accuracy']) 

train_datagen = ImageDataGenerator(
     rescale=1./255, 
     shear_range=0.2, 
     zoom_range=0.2, 
     horizontal_flip=True) 

test_datagen = ImageDataGenerator(rescale=1./255) 

train_generator = train_datagen.flow_from_directory(
     train_data_dir, 
     batch_size=4, 
     target_size=(img_width, img_height), 
     class_mode='binary') 

validation_generator = test_datagen.flow_from_directory(
     validation_data_dir, 
     batch_size=4, 
     target_size=(img_width, img_height), 
     class_mode='binary') 

model.fit_generator(
     train_generator, 
     samples_per_epoch=nb_train_samples, 
     nb_epoch=nb_epoch, 
     validation_data=validation_generator, 
     nb_val_samples=nb_validation_samples) 
+0

更新: 它看起來像尺寸是不是由池大小整除。現在我得到 'ValueError:由輸入形狀爲'Conv2D'(op:'Conv2D')從1減1開始的負尺寸大小:[?,1,1185,676],[3,3,676,32 ]。' –

+0

更新: 修復了池大小。 現在,在擬合過程中: 'ValueError:檢查模型輸入時出錯:期望convolution2d_input_1有形狀(無,3,1185,676),但有形狀的數組(2,1185,676,3)' –

+0

您的輸入shape與image_ordering =「tf」不一致,你爲什麼只在一層中強制圖像排序? –

回答

2

圖像尺寸訂貨已經在你的代碼中混合。多種方法來解決這個問題。

一種方法是在你的代碼的開頭添加

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

其他方法進行了總結in this answer

+1

謝謝!我會爲你的迴應投票,但我還沒有足夠的聲望投票。 <3 –

+1

沒問題,只要它有幫助。 – pyan