在 Keras 中对 4D 数据执行 Conv2D答案

【问题标题】：Performing Conv2D on 4D data in Keras在 Keras 中对 4D 数据执行 Conv2D
【发布时间】：2019-08-14 06:48:23
【问题描述】：

我有维度为24*64*64*10的数据（不包括批量大小）。

我想将输入拆分为 24 个维度为 64*64*10 的输入，对每个输入执行 Conv2D，然后将它们连接起来以再次获取 4D 数据以进行进一步处理。

任何有关实施的帮助都会有所帮助。我正在使用 Keras。

编辑：我尝试使用以下代码执行 2D 卷积

num_ch= 24
input= Input(shape=(64,64,10,num_ch))
print(input.shape)
branch_out= []
for i in range(num_ch):
    out= Lambda(lambda x: x[:,:,:,:,i] )(input)
    print(out.shape)
    out= Conv2D(10, kernel_size=(3,3),strides= (1,1), padding='same', data_format= 'channels_last')(input)
    branch_out.append(out)

我收到以下错误：

(?, 64, 64, 10, 24)
(?, 64, 64, 10)
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-83-51977f4edbba> in <module>
      7     out= Lambda(lambda x: x[:,:,:,:,i] )(input)
      8     print(out.shape)
----> 9     out= Conv2D(10, kernel_size=(3,3),strides= (1,1), padding='same', data_format= 'channels_last')(input)
     10     branch_out.append(out)

~/anaconda3/lib/python3.7/site-packages/keras/engine/base_layer.py in __call__(self, inputs, **kwargs)
    412                 # Raise exceptions in case the input is not compatible
    413                 # with the input_spec specified in the layer constructor.
--> 414                 self.assert_input_compatibility(inputs)
    415 
    416                 # Collect input shapes to build layer.

~/anaconda3/lib/python3.7/site-packages/keras/engine/base_layer.py in assert_input_compatibility(self, inputs)
    309                                      self.name + ': expected ndim=' +
    310                                      str(spec.ndim) + ', found ndim=' +
--> 311                                      str(K.ndim(x)))
    312             if spec.max_ndim is not None:
    313                 ndim = K.ndim(x)

ValueError: Input 0 is incompatible with layer conv2d_25: expected ndim=4, found ndim=5

【问题讨论】：

标签： python keras conv-neural-network

【解决方案1】：

你在这行有错字：

out= Conv2D(10, kernel_size=(3,3),strides= (1,1), padding='same', data_format= 'channels_last')(input)

改成：

out= Conv2D(10, kernel_size=(3,3),strides= (1,1), padding='same', data_format= 'channels_last')(out)

【讨论】：

【解决方案2】：

回答为时已晚，但对于有相同问题的人来说...
我认为您可以将其传递给 Conv 层（也许我错了！）。下面的代码是一个来自 keras 的例子：link

>>> # With extended batch shape [4, 7]:  
>>> input_shape = (4, 7, 28, 28, 3)
>>> x = tf.random.normal(input_shape)
>>> y = tf.keras.layers.Conv2D(
... 2, 3, activation='relu', input_shape=input_shape[2:])(x)
>>> print(y.shape)
(4, 7, 26, 26, 2)

或者另一种方式是使用TimeDistributed 层。看this link：

model = Sequential()
model.add(TimeDistributed(Conv2D(5, (3,3), padding='same'), input_shape=(10, 100, 100, 3)))

model.summary()

模型总结：

Layer (type)                 Output Shape              Param #   
=================================================================
time_distributed_2 (TimeDist (None, 10, 100, 100, 5)   140       
=================================================================
Total params: 140
Trainable params: 140
Non-trainable params: 0
_________________________________________________________________

【讨论】：