想要寫分類器對圖片進行分類，用到了CNN。然而，在執行程式時，一直報錯：

ValueError: Negative dimension size caused by subtracting 5 from 1 for ‘conv2d_1/convolution' (op: ‘Conv2D') with input shapes: [?,1,28,28],[5,5,30].

這部分提到的程式碼是這樣的,這是我的分類器的輸入層：

model.add(Conv2D(30,(5,5),input_shape=(1,28),activation='relu',padding="valid"))

問題出在input_shape上，報錯的大意就是我的輸入的維度是錯誤的。

百思不得其解，在Stackoverflow上找到了答案：

Keras的圖片處理文件中給出：

dim_ordering: One of {“th”,“tf”}. “tf” mode means that the images should have shape (samples,height,width,channels),“th” mode means that the images should have shape (samples,channels,width). It defaults to the image_dim_ordering value found in your Keras config file at ~/.keras/keras.json. If you never set it,then it will be “tf”.

翻譯過來意思就是：關於圖片的維度順序有兩種型別，分別是“th”和”tf“，它們的差別如下：

圖片維序型別為 th 時（dim_ordering='th'）： 輸入資料格式為[samples][channels][rows][cols]；

# 圖片維序型別為 tf 時（dim_ordering='tf'）： 輸入資料格式為[samples][rows][cols][channels]；

在Keras裡預設的是“tf”順序，如果想要改為“th”順序，需要手動在前面加上如下程式碼：

from keras import backend as K

K.set_image_dim_ordering('th')

現在回頭看我的輸入維度順序，顯然是用了th的格式，

model.add(Conv2D(30,padding="valid"))

所以，程式一定會報錯。

於是在建立模型前加入了前面提到的程式碼。

至此，該問題解決。

補充知識：Keras一維卷積維度報錯

在使用Keras維度報錯的時候很有可能是因為在池化層出錯。卷積層裡面的維度一般都是3維資料，但是在池化是如果設定是這樣的，那麼輸出的就是二維資料：

model.add(Conv1D(filters=23,kernel_size=4,activation='relu'))

model.add(AveragePooling1D())

如果下面接的還是卷積層的話，這樣的池化輸出是會報錯的，這個時候就需要讓池化層的輸出為3維，這樣設定就可以了：

model.add(Conv1D(filters=23,activation='relu'))

model.add(AveragePooling1D(2,strides=2))

另外，在卷積層後跟著全連線層的話，中間一般是要加flatten層，使資料輸出為全連線層能接受的2維，否則的話可能網路結果是錯的。

以上這篇解決Keras中CNN輸入維度報錯問題就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支援我們。