創(chuàng)新互聯(lián)www.cdcxhl.cn八線動(dòng)態(tài)BGP香港云服務(wù)器提供商，新人活動(dòng)買多久送多久，劃算不套路！

創(chuàng)新互聯(lián)是一家集網(wǎng)站建設(shè),靖安企業(yè)網(wǎng)站建設(shè),靖安品牌網(wǎng)站建設(shè),網(wǎng)站定制,靖安網(wǎng)站建設(shè)報(bào)價(jià),網(wǎng)絡(luò)營(yíng)銷,網(wǎng)絡(luò)優(yōu)化,靖安網(wǎng)站推廣為一體的創(chuàng)新建站企業(yè)，幫助傳統(tǒng)企業(yè)提升企業(yè)形象加強(qiáng)企業(yè)競(jìng)爭(zhēng)力?？沙浞譂M足這一群體相比中小企業(yè)更為豐富、高端、多元的互聯(lián)網(wǎng)需求。同時(shí)我們時(shí)刻保持專業(yè)、時(shí)尚、前沿，時(shí)刻以成就客戶成長(zhǎng)自我，堅(jiān)持不斷學(xué)習(xí)、思考、沉淀、凈化自己，讓我們?yōu)楦嗟钠髽I(yè)打造出實(shí)用型網(wǎng)站。

這篇文章將為大家詳細(xì)講解有關(guān)Keras中CNN輸入維度報(bào)錯(cuò)怎么辦，小編覺(jué)得挺實(shí)用的，因此分享給大家做個(gè)參考，希望大家閱讀完這篇文章后可以有所收獲。

想要寫分類器對(duì)圖片進(jìn)行分類，用到了CNN。然而，在運(yùn)行程序時(shí)，一直報(bào)錯(cuò)：

ValueError: Negative dimension size caused by subtracting 5 from 1 for ‘conv2d_1/convolution' (op: ‘Conv2D') with input shapes: [?,1,28,28], [5,5,28,30].

這部分提到的代碼是這樣的,這是我的分類器的輸入層：

model.add(Conv2D(30,(5, 5), input_shape=(1, 28, 28), activation='relu',padding="valid"))

問(wèn)題出在input_shape上，報(bào)錯(cuò)的大意就是我的輸入的維度是錯(cuò)誤的。

百思不得其解，在Stackoverflow上找到了答案：

Keras的圖片處理文檔中給出：

dim_ordering: One of {“th”, “tf”}. “tf” mode means that the images should have shape (samples, height, width, channels), “th” mode means that the images should have shape (samples, channels, height, width). It defaults to the image_dim_ordering value found in your Keras config file at ~/.keras/keras.json. If you never set it, then it will be “tf”.

翻譯過(guò)來(lái)意思就是：關(guān)于圖片的維度順序有兩種類型，分別是“th”和”tf“，它們的差別如下：

圖片維序類型為 th 時(shí)（dim_ordering='th'）： 輸入數(shù)據(jù)格式為[samples][channels][rows][cols]；

# 圖片維序類型為 tf 時(shí)（dim_ordering='tf'）： 輸入數(shù)據(jù)格式為[samples][rows][cols][channels]；

在Keras里默認(rèn)的是“tf”順序，如果想要改為“th”順序，需要手動(dòng)在前面加上如下代碼：

from keras import backend as K

K.set_image_dim_ordering('th')

現(xiàn)在回頭看我的輸入維度順序，顯然是用了th的格式，

model.add(Conv2D(30,(5, 5), input_shape=(1, 28, 28), activation='relu',padding="valid"))

所以，程序一定會(huì)報(bào)錯(cuò)。

于是在建立模型前加入了前面提到的代碼。

至此，該問(wèn)題解決。

補(bǔ)充知識(shí)：Keras一維卷積維度報(bào)錯(cuò)

在使用Keras維度報(bào)錯(cuò)的時(shí)候很有可能是因?yàn)樵诔鼗瘜映鲥e(cuò)。卷積層里面的維度一般都是3維數(shù)據(jù)，但是在池化是如果設(shè)置是這樣的，那么輸出的就是二維數(shù)據(jù)：

model.add(Conv1D(filters=23, kernel_size=4, activation='relu'))

model.add(AveragePooling1D())

如果下面接的還是卷積層的話，這樣的池化輸出是會(huì)報(bào)錯(cuò)的，這個(gè)時(shí)候就需要讓池化層的輸出為3維，這樣設(shè)置就可以了：

model.add(Conv1D(filters=23, kernel_size=4, activation='relu'))

model.add(AveragePooling1D(2, strides=2))

另外，在卷積層后跟著全連接層的話，中間一般是要加flatten層，使數(shù)據(jù)輸出為全連接層能接受的2維，否則的話可能網(wǎng)絡(luò)結(jié)果是錯(cuò)的。

關(guān)于Keras中CNN輸入維度報(bào)錯(cuò)怎么辦就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，可以學(xué)到更多知識(shí)。如果覺(jué)得文章不錯(cuò)，可以把它分享出去讓更多的人看到。

分享文章：Keras中CNN輸入維度報(bào)錯(cuò)怎么辦-創(chuàng)新互聯(lián)
文章來(lái)源：http://jinyejixie.com/article42/dcjghc.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供自適應(yīng)網(wǎng)站、手機(jī)網(wǎng)站建設(shè)、電子商務(wù)、外貿(mào)建站、品牌網(wǎng)站設(shè)計(jì)、網(wǎng)站排名

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)