Tensorflow 中 Flatten() 层中的输入和 output 形状存在问题

Question

我正在尝试为图像分类构建一个基本的卷积神经网络。 我有一个属于 4 个类的图像数据集。 我使用ImageDataGenerator和flow_from_directory创建了 Tensorflow 数据集：

train_datagen = tf.keras.preprocessing.image.ImageDataGenerator(
    rescale=1./255,
    rotation_range=20,
    width_shift_range=0.2,
    height_shift_range=0.2,
    horizontal_flip=True,
    validation_split=0.2
)

val_datagen = tf.keras.preprocessing.image.ImageDataGenerator(rescale=1./255, validation_split=0.2)

train_data = train_datagen.flow_from_directory(
    dataset_source, 
    color_mode='rgb',
    batch_size=batch_size, 
    class_mode='categorical',
    shuffle=True,
    subset='training'
) 

val_data = val_datagen.flow_from_directory(
    dataset_source, 
    color_mode='rgb',
    batch_size=batch_size, 
    class_mode='categorical',
    shuffle=False,
    subset='validation'
)

我测试的 CNN 架构示例很简单，如下所示：

image_shape = (299, 299, 3)

model = tf.keras.Sequential()
model.add(tf.keras.layers.Conv2D(32, (3, 3), activation='relu', input_shape=image_shape))
model.add(tf.keras.layers.MaxPooling2D((2, 2)))
model.add(tf.keras.layers.Conv2D(64, (3, 3), activation='relu'))
model.add(tf.keras.layers.MaxPooling2D((2, 2)))
model.add(tf.keras.layers.Conv2D(128, (3, 3), activation='relu'))

model.add(tf.keras.layers.Flatten())
model.add(tf.keras.layers.Dense(128, activation='relu'))
model.add(tf.keras.layers.Dense(4))

model.compile(loss = "categorical_crossentropy",
             optimizer = "adam",
             metrics = ["accuracy"])

每当我尝试使用model.fit(train_data, epochs=100, validation_data = val_data)开始训练时，都会收到以下与Flatten()层相关的错误：

InvalidArgumentError:  Input to reshape is a tensor with 7372800 values, but the requested shape requires a multiple of 645248
[[node sequential_1/flatten_1/Reshape (defined at <ipython-input-9-d01204576b1d>:1) ]] [Op:__inference_train_function_1823]

我使用各种版本的 CNN 对其进行了检查，即使是最简单的包含单个卷积层，但每次都会出现错误，只是值不同。 这可能很明显，但是尽管尝试了很多次，我还是无法解决它，所以我会非常感谢任何关于如何处理我的问题的指导。

Answer 1

使用flow_from_directory调用而不指定target_size只是自找麻烦，因为即使是单个大小错误的输入也会弄乱您的 model 拟合过程。 简单的解决方法是将target_size=(299, 299)添加到调用中，以确保安全（如评论中所示）。

此外，考虑在flow_from_directory调用上方添加image_shape = (299, 299, 3)并指定target_size = image_shape[:-1]以从那里拉取它。 这将使修改image_shape更容易，您可能想要尝试各种输入大小缩放。