Keras中CNN輸入維度報錯怎么辦

這篇文章將為大家詳細講解有關Keras中CNN輸入維度報錯怎么辦，小編覺得挺實用的，因此分享給大家做個參考，希望大家閱讀完這篇文章后可以有所收獲。

想要寫分類器對圖片進行分類，用到了CNN。然而，在運行程序時，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], [5,5,28,30].

這部分提到的代碼是這樣的,這是我的分類器的輸入層：

model.add(Conv2D(30,(5, 5), input_shape=(1, 28, 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的圖片處理文檔中給出：

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, height, 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：關于圖片的維度順序有兩種類型，分別是“th”和”tf“，它們的差別如下：

圖片維序類型為 th 時（dim_ordering='th'）： 輸入數據格式為[samples][channels][rows][cols]；

# 圖片維序類型為 tf 時（dim_ordering='tf'）： 輸入數據格式為[samples][rows][cols][channels]；

在Keras里默認的是“tf”順序，如果想要改為“th”順序，需要手動在前面加上如下代碼：

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,(5, 5), input_shape=(1, 28, 28), activation='relu',padding="valid"))

所以，程序一定會報錯。

于是在建立模型前加入了前面提到的代碼。

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。卷積層里面的維度一般都是3維數據，但是在池化是如果設置是這樣的，那么輸出的就是二維數據：

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，這樣設置就可以了：

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

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

另外，在卷積層后跟著全連接層的話，中間一般是要加flatten層，使數據輸出為全連接層能接受的2維，否則的話可能網絡結果是錯的。

關于Keras中CNN輸入維度報錯怎么辦就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。