解決Keras中CNN輸入維度報錯問題
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。