多通道卷积神经网络——负维尺寸误差

Question

我想设计，多通道CNN。

我在第一个 Conv2d 步骤中收到一条错误消息。 （图中，第一层到第二层）

我的代码如下

_concat_embeded = keras.layers.concatenate([_embeding1, _embeding2], axis= -1)
_biCH_embeded = keras.layers.Reshape((2, self.lexicalMaxLength, charWeights.shape[1]))(_concat_embeded)
_1stConv = keras.layers.Conv2D(filters=512, kernel_size=(5, charWeights.shape[1]),
                               activation=tf.nn.relu)(_biCH_embeded)

_biCH_embeded 处的形状是 [? 2, 131 ,131]（我的嵌入有 131 个维度 = charWeights.shape[1]）

我想生成 512 个过滤器，它们具有 (5, 131) 形状。

然后，我收到一条消息，“由输入形状为 [?,2,33,131], [5,131,131,512] 的 'conv2d_1/convolution'（操作：'Conv2D'）从 2 中减去 5 导致的负尺寸大小”

问题出在哪里？

Answer 1

我找到了问题。

我用“channel_first”规则重塑了我的张量 (2, 133, 133)

但是我的 Keras 配置是由“channel_last”设置的

我将重塑规则更改为“channel_last”（133,133,2）并且现在正在运行培训。

（如果您想更改 Keras 配置，请查看“~/.keras/keras.json”）