输入通道数与 Keras 中过滤器的相应维度不匹配答案

【问题标题】：number of input channels does not match corresponding dimension of filter in Keras输入通道数与 Keras 中过滤器的相应维度不匹配
【发布时间】：2017-08-27 21:33:31
【问题描述】：

我正在使用keras搭建基于Resnet50的模型，如下代码所示

input_crop = Input(shape=(3, 224, 224))

# extract feature from image crop
resnet = ResNet50(include_top=False, weights='imagenet')
for layer in resnet.layers:  # set resnet as non-trainable
    layer.trainable = False

crop_encoded = resnet(input_crop)

但是，我遇到了一个错误

'ValueError: 输入通道数不匹配对应过滤器尺寸，224 != 3'

我该如何解决？

【问题讨论】：

您使用的是什么后端，您的 keras.json 文件的内容是什么？

标签： machine-learning neural-network keras deep-learning conv-neural-network

【解决方案1】：

由于 Theano 和 TensorFlow backends 用于 Keras 的图像格式不同，因此经常会产生此类错误。在您的情况下，图像显然是 channels_first 格式 (Theano)，而您很可能使用的是 TensorFlow 后端，它需要 channels_last 格式的图像。

Keras 中的 MNIST CNN example 提供了一种很好的方法来使您的代码免受此类问题的影响，即同时适用于 Theano 和 TensorFlow 后端 - 这是针对您的数据的一种调整：

from keras import backend as K

img_rows, img_cols = 224, 224

if K.image_data_format() == 'channels_first':
    input_crop = input_crop.reshape(input_crop.shape[0], 3, img_rows, img_cols)
    input_shape = (3, img_rows, img_cols)
else:
    input_crop = input_crop.reshape(input_crop.shape[0], img_rows, img_cols, 3)
    input_shape = (img_rows, img_cols, 3)

input_crop = Input(shape=input_shape)

【讨论】：

根据您的回答，input_crop 是什么，即使我将其定义为 input_crop = Input(shape=(3, img_width, img_height))，也会得到 AttributeError: 'Tensor' object has no attribute 'reshape'
@Laxmikant 检查链接的 MNIST 示例； input_crop（x_train 或 x_test 那里）由 mnist.load_data Keras 函数返回 - 它是 Numpy 数组而不是张量