keras后端conv2d错误答案

【问题标题】：keras backend conv2d errorkeras后端conv2d错误
【发布时间】：2018-04-21 21:31:51
【问题描述】：

我正在尝试将keras.backend.conv2d 函数与我自己的内核一起使用，但出现以下错误。

img = data[0,:,0]
img = img.reshape(240, 320)

kernelX = np.array([[-1, 1], 
                    [-1, 1]])

img = K.constant(img)
kernelX = K.constant(kernelX)

I_x = K.conv2d(img, kernelX)

ValueError: 输入通道数不匹配对应过滤器尺寸，320 != 2

有人可以把我推向正确的方向吗？

【问题讨论】：

标签： python keras convolution

【解决方案1】：

虽然您没有指定使用哪个后端，但由于您的整形操作会引发错误。在这种情况下，keras 将形状的最后一个元素解释为通道数。这意味着，它假设您的图像有 240 个像素和 320 个通道，而您的内核有两个通道。不过，对于卷积，它们的大小必须相同。

因此，您应该以某种方式创建图像和内核，以使您的图像具有 (240, 320, 1) 形状，并且您的内核具有 (2, 2, 1) 形状。

【讨论】：

感谢您的建议。我将两者的尺寸都扩展为 (2, 2, 1) 和 (240, 320, 1) 并进行了尝试。现在错误显示“输入通道数与过滤器的相应维度不匹配，1！= 2”。我已经仔细检查并检查了图像和内核的尺寸。（顺便说一句，我正在使用 Tensorflow 后端）。
来自文档link：Given an input tensor of shape [batch, in_height, in_width, in_channels] and a filter / kernel tensor of shape [filter_height, filter_width, in_channels, out_channels], this op performs the following: ...。您可以尝试相应地调整张量并报告结果。