Tensorflow 卷积神经网络负维度大小答案

【问题标题】：Tensorflow Convolution Neural Network Negative Dimension sizeTensorflow 卷积神经网络负维度大小
【发布时间】：2021-12-15 18:56:26
【问题描述】：

我正在构建这个 CNN 模型， '''

x_test = np.array(x_test).reshape(-1,IMAGE_SIZE,IMAGE_SIZE,1)
x_train = np.array(x_train).reshape(-1,IMAGE_SIZE,IMAGE_SIZE,1)


model = tf.keras.Sequential()

model.add(Conv2D(16,(3,3),padding='same',input_shape=x_train.shape[1:]))  
model.add(Activation("relu"))
model.add(MaxPooling2D(pool_size=(2,2)))

model.add(Conv2D(32,(3,3),strides=(2,2),padding='valid'))
model.add(Activation("relu"))
model.add(MaxPooling2D(pool_size=(2,2)))

model.add(Conv2D(32,(2,2),padding='same')) 
model.add(Activation("relu"))
model.add(MaxPooling2D(pool_size=(2,2)))

model.add(Conv2D(64,(2,2),strides=(2,2),padding='valid'))
model.add(Activation("relu"))

model.add(GlobalAveragePooling2D())
model.add(Dense(64))
model.add(Activation("relu"))
model.add(Dense(10))
model.add(Activation("softmax"))

'''

但这给了我一个错误：- InvalidArgumentError: '{{node conv2d_115/Conv2D}} = Conv2D[T=DT_FLOAT, data_format="NHWC", dilations=[1, 1, 1, 1], explicit_paddings=[] 从 1 中减去 2 导致的负维度大小, padding="VALID", strides=[1, 2, 2, 1], use_cudnn_on_gpu=true](Placeholder, conv2d_115/Conv2D/ReadVariableOp)' 输入形状：[?,1,1,32], [2, 2,32,64]。

在处理上述异常的过程中，又发生了一个异常：

ValueError: '{{node conv2d_115/Conv2D}} = Conv2D[T=DT_FLOAT, data_format="NHWC", dilations=[1, 1, 1, 1], explicit_paddings 从 1 中减去 2 导致的负维度大小=[], padding="VALID", strides=[1, 2, 2, 1], use_cudnn_on_gpu=true](Placeholder, conv2d_115/Conv2D/ReadVariableOp)' 输入形状：[?,1,1,32], [2,2,32,64]。

这个错误是什么意思？我做错了什么？请帮我解决这个问题。

【问题讨论】：

标签： python tensorflow keras conv-neural-network

【解决方案1】：

这可能意味着，由于像 maxpooling 和具有“有效”填充值的 conv2d 等层，某些层的输入变得非常小，以至于其张量的形状为 [?,1,1,32]，因此它无法执行大小为 2 的 2D 最大池化或 2D 卷积。在这种情况下，您需要根据输入大小重新设计层（这意味着更改层数，或输入大小、步幅、填充选项，. ..)。

【讨论】：