Keras - output_shape 和实际形状之间的差异答案

【问题标题】：Keras - Difference between output_shape and actual shapeKeras - output_shape 和实际形状之间的差异
【发布时间】：2018-03-08 05:29:50
【问题描述】：

我正在尝试使用预训练的 ResNet50 中的一些层（包含在 keras.applications 中的层）构建一个神经网络为此，我使用了模型的 get_layer 方法。像这样。

input = Input(  (224, 224 , 3) )
resnet = ResNet50(weights='imagenet', pooling=max, include_top = False , input_tensor=input  )
firstconv = resnet.get_layer("conv1")

然后我打印出 firstconv 的形状：

print( firstconv.output_shape )

我得到了预期的结果（根据 model.summary() ）： (?, 112 , 112 , 64 )

然后在代码中，我在输入张量上调用 firstconv 层：

x = firstconv( inputs )

然后我打印这个 x 的形状，然后我得到 ( ? , 109 , 109 , 64 ) 代码因为形状冲突而中断。

我想知道为什么会这样，我该如何解决。我仍在从 keras 和深度学习中学习，也许我尝试访问 Resnet50 内部层的方式有问题。

提前致谢

我正在使用从 pip 安装的 Ubuntu 14.04、Keras 2.1.4 和 Tensorflow 1.6 作为 keras 的后端。

编辑：

        self.input = Input(  (224, 224 , 3) )

        self.resnet = ResNet50(weights='imagenet', pooling=max, include_top = False , input_tensor=self.input  )

        for layer in self.resnet.layers:
            layer.trainable = False 
        self.firstconv = self.resnet.get_layer("conv1")
        print(" first convt output ") 
        # this outputs (? , 112 , 112 , 3) , the desired shape
        print( self.firstconv.output_shape )
        ... later on the code 
        x = self.firstconv( self.input) 
        print( x.shape ) 
        # this outputs ( ? , 109 , 109 , 64 ), but the expected shape is ( ? , 112 , 112 , 64 )

就是这样。在代码之间，我没有在 self.firstconv 或 input 上做任何事情

【问题讨论】：

标签： python tensorflow keras

【解决方案1】：

ResNet50 示例代码

model = ResNet50(weights = "imagenet",
                 include_top = False,
                 input_shape = (224,224, 3))
for layer in model.layers:
    layer.trainable = False
x = model.output
# flatten outputs of resnet
x = Flatten()(x)
# add a fully connected layer
predictions = Dense(1, activation = "sigmoid")(x)
# build the model
model_final = Model(inputs = model.input, outputs = predictions)

您对如何重现该问题和代码目的的描述有点含糊。此处的示例代码给出了使用 ResNet50 处理输入和输出的正确方法。

【讨论】：

嗨。它不起作用。在使用 get_layer 访问它们之前，我在所有层中将 trainable 设置为 False，但我仍然遇到相同的形状问题。
如何发布所有代码以便我们可以重新出现该错误。
嗨，我在帖子中添加了一段更完整的代码。谢谢

【解决方案2】：

我发现在这种情况下发生了什么奇怪的事情。

我在两台不同的机器上工作，当我在第一台（在家）中打印 resnet.summary() 时，它告诉我 restnet 模型的第一层是 conv1 所以我将这些信息牢记在心，并准备在另一台机器上工作，后来经过多次尝试，我终于意识到在第二台机器上，Resnet 的第一层是 conv1d_pad 并且这一层采用 ( 224,224,3) 输入并将其转换为 (230 ,230 ,3 )，这就是畸形问题的根源。我仍然不知道为什么会存在这种差异，但我能够克服这个问题。

【讨论】：