对于具有输入形状的“max_pooling2d_52/MaxPool”（操作：“MaxPool”），从 1 中减去 2 导致的负尺寸尺寸：[?,148,1,32]

Question

我得到这个 Invalid Argument Error 在最大池化层中也得到一个值错误。 dim ordering='th' 也不起作用。我不明白为什么会这样。请帮助某人......提前谢谢

from keras.models import Sequential
from keras.layers import Conv2D, MaxPooling2D
from keras.layers import Activation, Dropout, Flatten, Dense
from keras.preprocessing.image import ImageDataGenerator

model = Sequential()
model.add(Conv2D(32, (3, 3), input_shape=(150, 150, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Conv2D(32, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Conv2D(64, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Conv2D(128, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Conv2D(512, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Conv2D(512, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Conv2D(1024, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Flatten())  
model.add(Dense(1024))
model.add(Activation('relu'))
model.add(Dropout(0.5))
model.add(Dense(1))
model.add(Activation('sigmoid'))

model.summary()

Answer 1

你池的次数太多了。

每次您的样本通过一个池化层时，其宽度和高度都会除以 2。最后，您无法再缩小样本规模，但您会继续尝试（显然是在 max_pooling_2d_52）。

包含完整的跟踪日志会更容易解释您的问题:)

Answer 2

永远不要让任何层的输入大小低于其过滤器大小，否则会抛出错误。

输出的大小（维度）计算为：[(n-f+p)/s]+1 其中，

• n : 输入维度
• f : 过滤器大小
• s : 跨步
• p：填充

默认填充为零（也称为有效填充），因为在您的情况下 p 是默认值，所以 p =0

默认步幅为 1，在您的情况下 s 也是默认值，因此 s =1

所以在你的情况下计算输出尺寸的公式：n-f +1

还有

最大池化层将维度减少一半，即 n/2

现在让我们打破你的模型层，计算 在每一层之后输出形状，看看你哪里出错了。

model = Sequential()
#  size : 150 * 150 *3 (  given image size)
model.add(Conv2D(32, (3, 3), input_shape=(150, 150, 3)))
model.add(Activation('relu'))

# size :  148 * 148 * 32  ( as : n-f+1 =  150 -3+1  =148 ) 

model.add(MaxPooling2D(pool_size=(2, 2)))

# size :  74 * 74 * 32  ( as : n/2 = 148/2 = 74)

model.add(Conv2D(32, (3, 3)))
model.add(Activation('relu'))

# size :   72 * 72 * 32    (74-3+1 =72)

model.add(MaxPooling2D(pool_size=(2, 2)))

# size :36 * 36 * 32    ( 72/2 = 36)

model.add(Conv2D(64, (3, 3)))
model.add(Activation('relu'))

# size : 34 * 34* 64   (36-3+1 =34)

model.add(MaxPooling2D(pool_size=(2, 2)))

# size : 17 * 17 * 64  ( 34/2 = 17)

model.add(Conv2D(128, (3, 3)))
model.add(Activation('relu'))

# size : 15* 15 * 128   ( 17-3+1 =15)

model.add(MaxPooling2D(pool_size=(2, 2)))

# size : 7 * 7 * 128  ( 15/2 = 7)

model.add(Conv2D(512, (3, 3)))
model.add(Activation('relu'))

# size : 5 * 5 * 512   (7-3+1 = 5)

model.add(MaxPooling2D(pool_size=(2, 2)))

# size : 2* 2* 512    (5/2 = 2)

model.add(Conv2D(512, (3, 3)))

## now here your n is 2 but f is 3 and n-f  is -1 i.e. negative hence the error


model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Conv2D(1024, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Flatten())  
model.add(Dense(1024))
model.add(Activation('relu'))
model.add(Dropout(0.5))
model.add(Dense(1))
model.add(Activation('sigmoid'))