[英]Keras Conv2D - ValueError: Input 0 of layer sequential is incompatible with the layer: : expected min_ndim=4, found ndim=3
[英]Why is the conv2d layer requiring a ndim=4 input?
我想在我的网络中使用2D卷积层,并希望输入图片。 所以我有一批图片,表示ndim = 3矩阵,例如:
我输入的维度:
[10, 6, 7]
10
值是batch size
,其他两个值是图像大小。 那么conv 2d层需要的第四个维度是什么?
这是有趣的代码行:
self.state_size = [6, 7]
self.inputs_ = tf.placeholder(tf.float32, shape=[None, *self.state_size], name="inputs_")
# Conv2D layer 1
self.conv1 = tf.layers.conv2d(inputs = self.inputs_,
filters = 4,
kernel_size = [4, 4],
strides = [1, 1],
kernel_initializer=tf.contrib.layers.xavier_initializer_conv2d())
这是我得到的错误:
Input 0 of layer conv2d_1 is incompatible with the layer: expected ndim=4, found ndim=3. Full shape received: [None, 6, 7]*
这是卷积2D层的输入张量尺寸的简短说明。
tensor_shape = (BATCH_SIZE, WIDTH, HEIGHT, CHANNELS).
第四个维度是通道(颜色)维度。
长答案是:卷积2D层期望输入具有四个维度。 张量流中有两种图像张量格式。
1. Channels_last(NHWC) -尺寸按(BATCH_SIZE, HEIGHT, WIDTH, CHANNEL)
排序。
2. channels_first(NCHW) -尺寸按BATCH_SIZE, CHANNELS, HEIGHT, WIDTH)
排序。
定义模型后,在tensorflow中(可能在其他机器学习库中),有两个选项可将数据馈送到模型中。 第一种选择是一次馈送数据点。 第二个选项是一次向模型馈送N
个数据点。 这可能是因为“ 批次大小”尺寸
此尺寸指定图像的宽度。
此尺寸指定图像的高度
RGB图像中的通道尺寸是RGB值尺寸。
要指定输入图像的数据格式,张量conv2d图层接受data_format参数。默认值为“ channels_last”。 你可以在这里找到更多。 以下代码显示具有channals_last数据格式的输入
inputs_ = tf.placeholder(tf.float32, [None, 32, 32, 3])
conv1 = tf.layers.conv2d(inputs_,32, (3, 3), data_format="channals_last")
首先用于频道
conv1 = tf.layers.conv2d(inputs_,32, (3, 3), data_format="channels_first")
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.