ValueError：负尺寸大小是由 1 减去 12 导致的，输入形状为“max_pooling2d_1/MaxPool”（操作：“MaxPool”）：[?,1,1,64]答案

【问题标题】：ValueError: Negative dimension size caused by subtracting 12 from 1 for 'max_pooling2d_1/MaxPool' (op: 'MaxPool') with input shapes: [?,1,1,64]ValueError：负尺寸大小是由 1 减去 12 导致的，输入形状为“max_pooling2d_1/MaxPool”（操作：“MaxPool”）：[?,1,1,64]
【发布时间】：2020-11-08 13:51:29
【问题描述】：

我使用 Keras 和 Tensorflow 作为后端，这里是我的代码：

K.clear_session()
model=Sequential()
model.add(layers.Conv2D(32,(3,3),padding='same',input_shape=(49,43,1),activation='relu'))
model.add(layers.Conv2D(64,(3,3),activation='relu'))


model.add(layers.MaxPool2D(pool_size=(8,8)))
model.add(layers.Conv2D(32,(3,3),padding='same',activation='relu'))
model.add(layers.Conv2D(64,(3,3),activation='relu'))

model.add(layers.MaxPool2D(pool_size=(8,8)))
model.add(Activation('relu'))
model.add(Flatten())
model.add(layers.Dense(256,activation='relu'))
model.add(layers.Dense(4,activation='softmax'))

【问题讨论】：

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

【解决方案1】：

当我运行您的代码时，我会得到不同的输出 - 不同的数字：

ValueError: '{{node max_pooling2d_1/MaxPool}} = MaxPoolT=DT_FLOAT, data_format="NHWC", ksize=[1, 8, 8, 1], padding=" 从 3 中减去 8 导致的负维度大小VALID", strides=[1, 8, 8, 1]' 输入形状：[?,3,3,64]。

您的输入太小，无法遍历所有层。我在下面的代码中添加了每一层的输出。当它到达第二个 MaxPool 层时，它已经太小了，不能被 8 整除。

model=Sequential()
model.add(layers.Conv2D(32,(3,3),padding='same',input_shape=(49,43,1),activation='relu'))
# Output: (49, 43, 32)
model.add(layers.Conv2D(64,(3,3),activation='relu'))
# Output: (47, 41, 64)

model.add(layers.MaxPool2D(pool_size=(8,8)))
# Output: (5, 5, 64))

model.add(layers.Conv2D(32,(3,3),padding='same',activation='relu'))
# Output: (5, 5, 32)
model.add(layers.Conv2D(64,(3,3),activation='relu'))
# Output: (3, 3, 64)
model.add(layers.MaxPool2D(pool_size=(8,8)))
# Output: How can I divide 3 by 8???

model.add(Activation('relu'))
model.add(Flatten())
model.add(layers.Dense(256,activation='relu'))
model.add(layers.Dense(4,activation='softmax'))

有很多关于计算层输出的问题和博客文章。

所以要么增加输入，要么删除模型中的一些层。

【讨论】：