Tensorflow InvalidArgumentError：Lambda图层对输入进行切片后形状不兼容

Question

在我的卷积网络中，我最近根据该问题的答案添加了一个Lambda层作为输入层，用于选择输入图像的特定通道

model.add(Lambda(lambda x: x[:,:,:2], input_shape=(w, h, 3)))

当我尝试添加MaxPooling2D图层时，出现错误ValueError: Negative dimension size caused by subtracting 3 from 2 for 'max_pooling2d_14/MaxPool' (op: 'MaxPool') with input shapes: [?,250,2,64]

我以为在Theano和Tensorflow暗淡顺序之间犯了一些错误，所以我编辑了Lambda层：

model.add(Lambda(lambda x: x[:2,:,:], input_shape=(w, h, 3)))

这次我添加更多层时没有问题，但是当我尝试使用fit_generator ，出现错误： InvalidArgumentError: Incompatible shapes: [64] vs. [2]

完整的追溯很长，我将它们上传到此处 。

我正在Linux上使用4 GPU进行计算，感谢您的帮助。

Answer 1

问题在于我使用Lambda层对输入进行切片的方式。

输入形状按此顺序具有4个属性：batch_size，宽度，高度，通道。

为了选择输入数据的多个数组，由于Tensorflow不支持numpy的高级索引方法，因此我们应该首先对输入张量进行切片，使用暗淡扩展来添加颜色深度，然后再对其进行串联。