交通标志分类 - 分配 shape [] 和类型 float 的张量时的 OOM

Question

我目前正在尝试从tutorial 改进算法。更具体地说是 CNN 模型的层。

def cnn_model():
    model = Sequential()

    model.add(Conv2D(32, (3, 3), padding='same',
                     input_shape=(3, IMG_SIZE, IMG_SIZE),
                     activation='relu'))
    model.add(Conv2D(32, (3, 3), activation='relu'))
    model.add(MaxPooling2D(pool_size=(2, 2)))
    model.add(Dropout(0.2))

    model.add(Conv2D(64, (3, 3), padding='same',
                     activation='relu'))
    model.add(Conv2D(64, (3, 3), activation='relu'))
    model.add(MaxPooling2D(pool_size=(2, 2)))
    model.add(Dropout(0.2))

    ########### The problem occurs when this is removed ############
    model.add(Conv2D(128, (3, 3), padding='same',
                     activation='relu'))
    model.add(Conv2D(128, (3, 3), activation='relu'))
    model.add(MaxPooling2D(pool_size=(2, 2)))
    model.add(Dropout(0.2))
    ################################################################

    model.add(Flatten())
    model.add(Dense(512, activation='relu'))
    model.add(Dropout(0.5))
    model.add(Dense(NUM_CLASSES, activation='softmax'))
    return model

为了获得更好的准确性，我尝试添加新图层或删除一个（在展平之前），但如果这样做，我会收到以下错误

分配形状为[]的张量和类型为float时的OOM

我是机器学习的新手，并不真正理解错误。我知道卷积/密集/池化层的作用，但我不确定如何在模型中实际使用它们。

所以我的问题是：

• 为什么会出现这样的错误？

• 有人能给我一些建议如何获得更好的准确性，或者给我一些关于创建 CNN 模型的好教程吗？

编辑：

我在 gpu 上运行它，IMG_SIZE 为 32，批量大小为 32。除非我在模型中添加或删除层，否则它运行良好。可以在here 找到堆栈跟踪。我知道它的内存分配错误，它似乎与输入的形状有关。

Answer 1

你有一个错误

由 2 减去 3 导致的负维度大小 'conv2d_8/convolution' (op: 'Conv2D') 输入形状：[?,256,2,2], [3,3,256,256]。

这可能与您的频道位置有关（频道最后或第一）

最后尝试频道，替换：

model.add(Conv2D(32, (3, 3), padding='same',
                 input_shape=(3, IMG_SIZE, IMG_SIZE),
                 activation='relu'))

与：

model.add(Conv2D(32, (3, 3), padding='same',
                 input_shape=(IMG_SIZE, IMG_SIZE, 3),
                 activation='relu'))