深度卷积神经网络架构最终会产生错误。为什么？答案

【问题标题】：Deep convolutional neural net architecture gives error in the end. Why?深度卷积神经网络架构最终会产生错误。为什么？
【发布时间】：2019-05-17 21:58:40
【问题描述】：

我构建了一个深度卷积神经网络，但我在某个地方搞砸了。我的输出尺寸有点偏差，我不知道为什么。

encoding_dim = 512   
input_image = Input(shape=train_images.shape[1:]) # (214, 214, 3)

# Build model
autoencoder = Sequential()
autoencoder.add(Conv2D(2*encoding_dim, (12, 12), padding='same', activation='relu', input_shape=input_shape,
                           kernel_initializer='random_uniform', bias_initializer='zeros'))
autoencoder.add(BatchNormalization())
autoencoder.add(MaxPooling2D((2, 2), padding='same'))

autoencoder.add(Conv2D(encoding_dim, (12, 12), padding='same', activation='relu',
                           kernel_initializer='random_uniform', bias_initializer='zeros'))
autoencoder.add(BatchNormalization())
autoencoder.add(MaxPooling2D((2, 2), padding='same'))

autoencoder.add(Conv2D(encoding_dim, (12, 12), padding='same', activation='relu',
                           kernel_initializer='random_uniform', bias_initializer='zeros'))
autoencoder.add(BatchNormalization())
autoencoder.add(UpSampling2D((2, 2)))

autoencoder.add(Conv2D(2*encoding_dim, (12, 12), padding='same', activation='relu',
                           kernel_initializer='random_uniform', bias_initializer='zeros'))
autoencoder.add(BatchNormalization())
autoencoder.add(UpSampling2D((2, 2)))

autoencoder.add(Conv2D(3, (12, 12), padding='same', activation='sigmoid',
                           kernel_initializer='random_uniform', bias_initializer='zeros'))
autoencoder.add(BatchNormalization())

# Compile
autoencoder.compile(optimizer='adam', loss='mean_squared_error')

我得到的错误是：

ValueError: Error when checking target: expected batch_normalization_5 to have shape (216, 216, 3) but got array with shape (214, 214, 3)

【问题讨论】：

您是否使用autoencoder.summary() 打印模型并查看尺寸？这么少的偏差让我觉得某个地方的填充有问题。
好主意！看起来每个 UpSampling2D 层都添加了一个额外的像素。奇怪，你认为是因为我构建模型的方式吗？我之前做过一些，但我使用了“x = UpSampling2D((2, 2))(x)”表示法。
符号不应该有什么区别（我认为）。这是您创建的模型，还是您可以检查尺寸的已发布模型？
我想这是对我一路上发现的东西的改编。非常基本的 CNN，只是摆弄了尺寸。没有可立即查找的出版物。
听起来你会通过玩弄参数来解决它。

标签： python python-3.x tensorflow keras conv-neural-network

【解决方案1】：

好的，想通了。基本上，我选择的图像尺寸很差。图像尺寸为 214 x 214 x 3，导致我的下采样（MaxPooling2D 层）必须舍入尺寸（214 -> 107 -> 54）。 UpSampling 没有这个问题，所以最后没有加起来。

【讨论】：

【解决方案2】：

这通常发生在您使用 MaxPooling 进行下采样并且到达高度和宽度不是偶数的层时（采用 H=W 和偶数的简单情况）。

【讨论】：