在 resnet 模型中拟合图像时出现尺寸问题 [关闭]

Question

也许有办法摆脱 avg_pool 层？我找不到解决方案 :(

SAMPLE_SHAPE = (32,32,3)
def generate_model(sample_shape):
    inp = Input(shape=sample_shape)
    resnet = resnet50.ResNet50(weights="imagenet",include_top=False)
    x = resnet(inp)
    predictions = Dense(2, activation='softmax')(x)

    m = Model(inputs=inp, outputs=predictions)
    #model.add(Dense(2, activation='softmax'))
    # This creates a model
    #predictions = Dense(2, activation='softmax')(x)
    return m
model = generate_model(SAMPLE_SHAPE)

错误：InvalidArgumentError Traceback（大多数 最近通话最后） ~\Anaconda3\lib\site-packages\tensorflow\python\framework\ops.py 在 _create_c_op(graph, node_def, inputs, control_inputs) 1566 尝试： -> 1567 c_op = c_api.TF_FinishOperation(op_desc) 1568 除了errors.InvalidArgumentError as e:

InvalidArgumentError: 减去 7 导致的负维度大小 从 1 到 'resnet50_14/avg_pool/AvgPool' (op: 'AvgPool') 输入 形状：[?,1,1,2048]。

在处理上述异常的过程中，又发生了一个异常：

ValueError Traceback（最近调用 最后）在（） 15 #predictions = Dense(2, activation='softmax')(x) 16 返回米 ---> 17 模型 = generate_model(SAMPLE_SHAPE)

在 generate_model(sample_shape) 7 inp = 输入（形状=样本形状） 8 resnet = resnet50.ResNet50(weights="imagenet",include_top=False) ----> 9 x = resnet(inp) 10 个预测 = Dense(2, activation='softmax')(x) 11

~\Anaconda3\lib\site-packages\keras\engine\topology.py 在 调用（自我、输入、**kwargs） 552 553 # 实际调用层，收集输出、掩码和形状。 --> 554 输出 = self.call(inputs, **kwargs) 555 output_mask = self.compute_mask（输入，previous_mask） 第556章

~\Anaconda3\lib\site-packages\keras\engine\topology.py in call(self, 输入，掩码）1988 返回 self._output_tensor_cache[cache_key] 1989 其他： -> 1990 输出张量，_，_ = self.run_internal_graph（输入，掩码）1991 年返回 输出张量 1992

~\Anaconda3\lib\site-packages\keras\engine\topology.py 在 run_internal_graph（自我、输入、掩码）2138
如果“面具”不在 kwargs 中：2139
kwargs['mask'] = 计算掩码 -> 2140 output_tensors = _to_list(layer.call(computed_tensor, **kwargs)) 2141 output_masks = _to_list(layer.compute_mask(computed_tensor, 2142
计算掩码））

~\Anaconda3\lib\site-packages\keras\layers\pooling.py in call(self, 输入） 152 步=self.strides, 第153章 --> 154 data_format=self.data_format) 155返回输出 156

~\Anaconda3\lib\site-packages\keras\layers\pooling.py 在 _pooling_function（self，inputs，pool_size，strides，padding，data_format） 269 填充，数据格式）： 270 输出 = K.pool2d（输入，pool_size，步幅， --> 271 填充，data_format，pool_mode='avg') 272返回输出 273

~\Anaconda3\lib\site-packages\keras\backend\tensorflow_backend.py 在 pool2d(x, pool_size, strides, padding, data_format, pool_mode) 3012 x = tf.nn.max_pool(x, pool_size, strides, padding=padding) 3013
elif pool_mode == '平均'： -> 3014 x = tf.nn.avg_pool(x, pool_size, strides, padding=padding) 3015 else: 3016 raise ValueError('无效的池化模式：', pool_mode)

~\Anaconda3\lib\site-packages\tensorflow\python\ops\nn_ops.py 在 avg_pool(value, ksize, strides, padding, data_format, name) 2110
填充=填充，2111 数据格式=数据格式， -> 2112 名称=名称）2113 2114

~\Anaconda3\lib\site-packages\tensorflow\python\ops\gen_nn_ops.py 在 avg_pool(value, ksize, strides, padding, data_format, name) 73 _，_，_op = _op_def_lib._apply_op_helper（ 74“平均池”，值=值，ksize=ksize，strides=strides，填充=填充， ---> 75 数据格式=数据格式，名称=名称） 76 _result = _op.outputs[:] 77 _inputs_flat = _op.inputs

~\Anaconda3\lib\site-packages\tensorflow\python\framework\op_def_library.py 在 _apply_op_helper(self, op_type_name, name, **keywords) 第785章 第786章 --> 787 op_def=op_def) 第788章 第789章

~\Anaconda3\lib\site-packages\tensorflow\python\framework\ops.py 在 create_op(self, op_type, 输入, dtypes, input_types, name, attrs, op_def、compute_shapes、compute_device) 3390
输入类型=输入类型，3391
original_op=self._default_original_op, -> 3392 op_def=op_def) 3393 3394 # 注意：形状是在启用 C API 的情况下延迟计算的。

~\Anaconda3\lib\site-packages\tensorflow\python\framework\ops.py 在 init（self，node_def，g，inputs，output_types，control_inputs，input_types，original_op，op_def）1732 op_def，输入， node_def.attr）1733 self._c_op = _create_c_op（self._graph， 节点定义，分组输入， -> 1734 control_input_ops) 1735 else: 1736 self._c_op = None

~\Anaconda3\lib\site-packages\tensorflow\python\framework\ops.py 在 _create_c_op(graph, node_def, inputs, control_inputs) 1568 except errors.InvalidArgumentError as e: 1569 # 转换为 ValueError 为了向后兼容。 -> 1570 raise ValueError(str(e)) 1571 1572 return c_op

ValueError：由 1 减去 7 导致的负维度大小 带有输入形状的“resnet50_14/avg_pool/AvgPool”（操作：“AvgPool”）： [?,1,1,2048]。

Answer 1

您的问题/错误来自您输入的形状。您的输入形状太小。

所有预训练网络都具有最小图像大小。对于ResNet50，此最小值为 197。将 SAMPLE_SHAPE 增加到 197 或 ResNet50、224 的默​​认大小：

SAMPLE_SHAPE = (197,197,3)

或

SAMPLE_SHAPE = (224,224,3)

如果您的图片较小，请将其调整为 197 或 224