将 keras.backend.conv2d 从 Keras 1.x 迁移到 2.x

Question

我正在将一个项目从 Keras 1.x 迁移到 2.x。

在代码中，在 1.x 中运行良好的 keras.backend.conv2d 操作现在在 2.x 中崩溃。

convs = K.conv2d(a, b, padding='valid', data_format='channels_first')

输入张量形状a 和b 都是(1024, 4, 1, 1)，输出张量形状在1.x 中是(1024, 1024, 1, 1)。

使用 2.x 我收到以下错误：

ValueError: CorrMM: impossible output shape
  bottom shape: 1024 x 4 x 1 x 1
  weights shape: 1 x 1 x 1024 x 4
  top shape: 1024 x 1 x -1022 x -2

Apply node that caused the error: CorrMM{valid, (1, 1), (1, 1), 1 False}(Print{message='a', attrs=('__str__',), global_fn=<function DEBUG_printTensorShape at 0x00000272EF1FAD08>}.0, Subtensor{::, ::, ::int64, ::int64}.0)
Toposort index: 30
Inputs types: [TensorType(float32, (False, False, True, True)), TensorType(float32, (True, True, False, False))]
Inputs shapes: [(1024, 4, 1, 1), (1, 1, 1024, 4)]

我正在使用 Theano 后端，并在 K.set_image_data_format 和 conv2d 中都设置了 channels_first。

Answer 1

在conv2D方法中，a是实际的镜像，b是内核。

---

a 的预期形状是（带有“channels_first”）：

(batchSize, channels, side1, side2)

所以，您的输入有：

• 1024 张图片
• 4 个频道
• 图像 1 x 1

---

但是尽管使用'channels_last'，b 的预期形状是：

(side1,side2, inputChannels,outputChannels)

这似乎有点误导，因为在过滤器中，它仍然是最后一个频道。 （在我的 keras 版本 2.0.4 上测试）

所以，如果你的输出是 (1024,1024,1,1)，我假设 b 应该有 1024 个输出过滤器，所以它的形状应该是：

(1,1,4,1024)

您可能应该使用一些方法来置换尺寸，而不仅仅是重塑。 Numpy 有swapaxes，而 keras 有K.permute_dimensions。