多通道卷积神经网络 - 负维度尺寸误差答案

【问题标题】：Multi channel Convolutional neural network - negative dimension size error多通道卷积神经网络 - 负维度尺寸误差
【发布时间】：2020-05-22 04:06:18
【问题描述】：

我要设计，多通道 CNN。

我在第一个 Conv2d 步骤中收到一条错误消息。（图中，第一层到第二层）

我的代码如下所示

_concat_embeded = keras.layers.concatenate([_embeding1, _embeding2], axis= -1)
_biCH_embeded = keras.layers.Reshape((2, self.lexicalMaxLength, charWeights.shape[1]))(_concat_embeded)
_1stConv = keras.layers.Conv2D(filters=512, kernel_size=(5, charWeights.shape[1]),
                               activation=tf.nn.relu)(_biCH_embeded)

_biCH_embeded 的形状是 [? 2, 131 ,131]（我的嵌入有 131 维 = charWeights.shape[1]）

我想生成 512 个具有 (5, 131) 形状的过滤器。

然后，我收到一条消息，“从 2 中减去 5 导致的负维度大小为 'conv2d_1/convolution' (op: 'Conv2D') 输入形状：[?,2,33,131], [5,131,131,512] "

问题出在哪里？

【问题讨论】：

这能回答你的问题吗？ Negative dimension size caused by subtracting 3 from 1 for 'Conv2D'

标签： python keras conv-neural-network python-3.6

【解决方案1】：

我发现了问题。

我用“channel_first”规则（2、133、133）重塑了我的张量

但我的 Keras 配置是由“channel_last”设置的

我将重塑规则更改为“channel_last”(133,133,2)，现在正在运行训练。

（如果要更改 Keras 配置，请查看“~/.keras/keras.json”）

【讨论】：