“conv2d_2/convolution”由于将1减去3导致负的尺寸大小。

Question

在Keras中声明输入层时我遇到了以下错误信息。

ValueError: 由于从[?,1,28,28]维度中减去3导致 'conv2d_2/convolution'（op：'Conv2D'）出现负维度。 [3,3,28,32]

我的代码如下所示

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

示例应用程序：https://github.com/IntellijSys/tensorflow/blob/master/Keras.ipynb

- Nurdin

---

我认为你想使用一个3x3的内核。在这种情况下，你应该写(3, 3)而不是3, 3。 - ml4294

如何找出使用 (3,3)、(4,4) 或 (5,5) 有什么不同？@ml4294 - kRazzy R

Answer 1

默认情况下，Convolution2D (https://keras.io/layers/convolutional/) 期望输入数据的格式是(samples, rows, cols, channels)，也就是“channels-last”的格式。但你的数据似乎是(samples, channels, rows, cols)的格式。在声明Convolution2D层时，使用可选关键字data_format = 'channels_first'，可以解决这个问题。

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

- ml4294

---

我会先尝试一下。 - Nurdin

请注意，它可以在 ~/.keras/keras.json 中全局设置："image_data_format": "channels_first"。 - Shaohua Li

Answer 2

我遇到了同样的问题，但是在这个帖子中提供的解决方法并没有帮助我。

在我的情况下，导致这个错误的是另一个不同的问题：

---

代码

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())

---

Error

图像大小为32x32。在第一层卷积后，它被缩小到30x30。（如果我正确理解了卷积的话）

然后池化层会将其分成15x15。

接下来又有一层卷积将其缩小至13x13...

我希望你能看到这样做的结果：最终，我的特征图如此之小，以至于我的池化层（或卷积层）过不去，导致出现错误。

---

Solution

解决此问题的简单方法是要么使图像大小更大，要么使用较少的卷积层或池化层。

- charelf

---

非常重要！我曾经处于同样的情况。 - Eduardo G.R.

太棒了！我遇到了同样的问题，现在我知道原因了！ - Vasanth Nag K V

Answer 3

Keras提供以下后端兼容性：

TensorFlow：由Google开发， Theano：由LISA实验室开发， CNTK：由Microsoft开发

如果您看到[?,X,X,X]，[X,Y,Z,X]等错误，这是通道问题。为了解决这个问题，请使用Keras的自动模式：

导入

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

"tf"格式表示卷积核的形状为(rows, cols, input_depth, depth)。

这种方式总是有效的...

- Reeves

---

最简单的解决方案几乎总是最好的。 - nino_701

这个答案让我在自己的环境中找到了解决方案，但似乎在后来的Keras版本中有一些东西被重命名了：https://github.com/keras-team/keras/issues/12649 - Dave Seidman

Answer 4

你可以通过设置值为“same”来保留体积的空间尺寸，以便输出体积的大小与输入体积的大小相匹配。

使用padding='same'

- Amol Bhatnate

Answer 5

    # define the model as a class
class LeNet:

  '''
      In a sequential model, we stack layers sequentially. 
      So, each layer has unique input and output, and those inputs and outputs 
      then also come with a unique input shape and output shape.

  '''

  @staticmethod                ## class can instantiated only once 
  def init(numChannels, imgRows, imgCols , numClasses, weightsPath=None):

    # if we are using channel first we have update the input size
    if backend.image_data_format() == "channels_first":
      inputShape = (numChannels , imgRows , imgCols)
    else: 
      inputShape = (imgRows , imgCols , numChannels)

    # initilize the model
    model = models.Sequential()

    # Define the first set of CONV => ACTIVATION => POOL LAYERS

    model.add(layers.Conv2D(  filters=6,kernel_size=(5,5),strides=(1,1), 
                              padding="valid",activation='relu',kernel_initializer='he_uniform',input_shape=inputShape))
    model.add(layers.AveragePooling2D(pool_size=(2,2),strides=(2,2)))

希望能对您有所帮助 :)

查看代码：Fashion_Mnist_Using_LeNet_CNN

- Hritik Jaiswal

Answer 6

请使用以下内容：

from keras import backend
backend.set_image_data_format('channels_last')

根据您的偏好，您可以使用'channels_first'或'channels_last'来设置图像数据格式。(源代码)

如果这不起作用且您的图像尺寸较小，请尝试减少CNN的结构，正如之前的帖子所提到的。

希望对您有所帮助！

- Irina