【问题标题】：How can i repair my CNN? I am stuck in a circle of errors and i know that i implemented the CNN wrong?如何修复我的 CNN？我陷入了一个错误的循环，我知道我错误地执行了 CNN？
【发布时间】：2021-07-16 00:00:08
【问题描述】：

我目前正在尝试在 python 中使用 tensorflow.keras 构建用于人脸检测的 CNN。它应该拍摄两种类型的图像：人脸和非人脸。我试图实现的模型来自表 [Cnn][1]，但我不断收到错误，即使我修复了一个，我也会得到另一个，我陷入了错误的循环。 [1]：https://i.stack.imgur.com/WJCPb.png 请告诉我我可以尝试解决什么问题？

testRatio = 0.2
valRatio = 0.2
path="D:\ObjectsRecognition\data"
folder=["face","nonface"]
class_names = ["Face","Nonface"]
predictionList = []


def label(numpy):
    npList=np.array([])
    for i in range(len(numpy)):
        if numpy[i]=="face":
            npList=np.append(npList,[0])
        else:
            npList=np.append(npList,[1])
    return npList

def file():

    ############################

    images = []  # LIST CONTAINING ALL THE IMAGES
    classNo = []  # LIST CONTAINING ALL THE CORRESPONDING CLASS ID OF IMAGES
    myList = os.listdir(path)
    print("Total Classes Detected:", len(myList))
    noOfClasses = len(myList)
    print("Importing Classes .......")
    for x in folder:
        myPicList = os.listdir(path + "/" + x)
        for y in myPicList:
            curImg = cv.imread(path + "/" + x + "/" + y)
            curImg = cv.resize(curImg, (231, 231))
            images.append(curImg)
            classNo.append(x)

        print(x, end=" ")

    print(" ")

    print("Total Images in Images List = ", len(images))
    print("Total IDS in classNo List= ", len(classNo))
    #######################
    #### CONVERT TO NUMPY ARRAY
    images = np.array(images)
    classNo = np.array(classNo)


    #### SPLITTING THE DATA
    X_train, X_test, y_train, y_test = train_test_split(images, classNo, test_size=testRatio)
    print(len(X_train) )
    print(len(X_test) )
    print(len(y_train) )
    print(len(y_test) )

    ####################
    (training_images, training_labels), (testing_images, testing_labels) = (X_train,label(y_train)), (X_test,label(y_test))
    training_images, testing_images = training_images/255, testing_images/255
    return (training_images, training_labels), (testing_images, testing_labels)



def defineTrainModel():
    model = models.Sequential()

    model.add(layers.Conv2D(96, (11, 11),strides=(4,4) ,activation='relu', input_shape=(231, 231, 3)))
    model.add(layers.MaxPooling2D((2, 2),strides=(2,2)))

    model.add(layers.Conv2D(256, (5, 5),strides=(1,1), activation='relu',input_shape=(24, 24, 3)))
    model.add(layers.MaxPooling2D((2, 2),strides=(2,2)))

    model.add(layers.Conv2D(512, (3, 3), strides=(1,1) ,activation='relu',input_shape=(12, 12, 3)))
    model.add(layers.ZeroPadding2D(padding=(1,1)))


    model.add(layers.Conv2D(1024, (3, 3), strides=(1, 1), activation='relu', input_shape=(12, 12, 3)))
    model.add(layers.ZeroPadding2D(padding=(1,1)))


    model.add(layers.Conv2D(1024, (3, 3), strides=(1, 1), activation='relu', input_shape=(24, 24, 3)))
    model.add(layers.MaxPooling2D((2, 2), strides=(2, 2)))
    model.add(layers.ZeroPadding2D(padding=(1,1)))
    model.add(layers.Flatten())

    model.add(layers.Dense(3072, activation='relu',input_shape=(6,6,3)))
    model.add(layers.Dense(4096, activation='relu',input_shape=(1,1,3)))
    model.add(layers.Dense(2, activation='softmax',input_shape=(1,1,3)))


    model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])
    model.summary()
    model.fit(training_images, training_labels, epochs=30, validation_data=(testing_images, testing_labels))

    loss, accuracy = model.evaluate(testing_images, testing_labels)
    print(f"Loss: {loss}")
    print(f"Accuracy: {accuracy}")

    model.save("FancyGPUTrainedModel.h5")

(training_images, training_labels), (testing_images, testing_labels)= file()   #Spliting the data
defineTrainModel()

这是我得到的错误，但如果我尝试修复它，我会得到另一个错误： ValueError: 层 zero_padding2d 的输入 0 与层不兼容：预期 ndim=4，发现 ndim=2。收到的完整形状：（无，51200）

这是模型摘要：模型：“顺序”

图层（类型）输出形状参数#

conv2d (Conv2D) (无, 59, 59, 96) 34944

max_pooling2d (MaxPooling2D) (无, 29, 29, 96) 0

conv2d_1 (Conv2D)（无、25、25、256）614656

max_pooling2d_1 (MaxPooling2 (None, 12, 12, 256) 0

conv2d_2 (Conv2D) (无, 10, 10, 512) 1180160

zero_padding2d (ZeroPadding2 (None, 12, 12, 512) 0

conv2d_3 (Conv2D)（无、10、10、1024）4719616

zero_padding2d_1 (ZeroPaddin (None, 12, 12, 1024) 0

conv2d_4 (Conv2D) (无, 10, 10, 1024) 9438208

max_pooling2d_2 (MaxPooling2 (None, 5, 5, 1024) 0

zero_padding2d_2 (ZeroPaddin (None, 7, 7, 1024) 0

密集（密集）（无、7、7、3072）3148800

dense_1（密集）（无、7、7、4096）12587008

dense_2（密集）（无、7、7、2）8194

总参数：31,731,586 可训练参数：31,731,586 不可训练参数：0

并且训练标签：形状（6607，）

测试标签：形状：(1652,)

训练图像：形状 (6607, 245, 245, 3)

测试图像：形状：(1652, 245, 245, 3)

【问题讨论】：

好吧，问题是在进行 Flatten 之后使用 ZeroPadding2D 没有任何意义，因为 ZeroPadding2D 期望图像作为输入（4 维），而 Flatten 将数据转换为 2 维。所以你得到一个错误。
@Dr.Snoopy 谢谢，这解决了一个问题。现在，当模型尝试训练时，我得到 tensorflow.python.framework.errors_impl.InvalidArgumentError: logits and labels must have the same first dimension, got logits shape [1568,2] and labels shape [32] [[node sparse_categorical_crossentropy/ SparseSoftmaxCrossEntropyWithLogits/SparseSoftmaxCrossEntropyWithLogits（定义在 /ObjectsRecognition/NewData/ObjectDetection.py: 127）]] [Op:__inference_train_function_1361]
根据错误，训练标签和预测的数量不匹配。你能打印 model.summary() 和训练标签的形状吗？
@Uchiha012 我打印了模型摘要以及用于训练和测试的标签和图像的形状
@DicsokGabriel 感谢更新。在最后一个零填充之后添加 layer.Flatten() 。目前你的输出是 (None, 7, 7, 2) 形状，它应该是 (None, 2) 因为最后你想要类的概率，在这种情况下是 2。

标签： python tensorflow keras conv-neural-network

【解决方案1】：

tensorflow.python.framework.errors_impl.InvalidArgumentError: logits 并且标签必须具有相同的第一维，得到 logits 形状 [1568,2] 和标签形状 [32]

上述错误可以通过在最后一个零填充之后添加layer.Flatten() 来解决，因为当前输出是 (None, 7, 7, 2) 形状，它应该是 (None, 2) 最后你想要在这种情况下为 2 的类的概率。

tensorflow.python.framework.errors_impl.NotFoundError：没有算法成功了！

参考问题中Oktay Alizada提供的解决方案：How to solve "No Algorithm Worked" Keras Error?

【讨论】：