张量流卷积神经网络负维数

Question

我正在制作这个CNN模型

x_test = np.array(x_test).reshape(-1,IMAGE_SIZE,IMAGE_SIZE,1)
x_train = np.array(x_train).reshape(-1,IMAGE_SIZE,IMAGE_SIZE,1)


model = tf.keras.Sequential()

model.add(Conv2D(16,(3,3),padding='same',input_shape=x_train.shape[1:]))  
model.add(Activation("relu"))
model.add(MaxPooling2D(pool_size=(2,2)))

model.add(Conv2D(32,(3,3),strides=(2,2),padding='valid'))
model.add(Activation("relu"))
model.add(MaxPooling2D(pool_size=(2,2)))

model.add(Conv2D(32,(2,2),padding='same')) 
model.add(Activation("relu"))
model.add(MaxPooling2D(pool_size=(2,2)))

model.add(Conv2D(64,(2,2),strides=(2,2),padding='valid'))
model.add(Activation("relu"))

model.add(GlobalAveragePooling2D())
model.add(Dense(64))
model.add(Activation("relu"))
model.add(Dense(10))
model.add(Activation("softmax"))

'''

但这是给我一个错误：-InvalidArgumentError：负尺寸造成的减去2从1'{{nodeconv2d_115/Conv2D}}=Conv2D[T=DT_FLOAT，data_format="NHWC"，膨胀=[1,1,1,1]，explicit_paddings=[]，填充="VALID"，步幅=[1,2,2,1]，use_cudnn_on_gpu=true]（占位符，conv2d_115/Conv2D/ReadVariableOp）'输入形状：[？，1,1,32]，[2,2,32,64]。

在处理上述异常时，发生了另一个异常：

ValueError：由于{{node conv2d\u 115/conv2d}}=conv2d[T=DT\u FLOAT，data\u format=“NHWC”，膨胀=[1，1，1，1]，显式\u填充=[]，填充=[]，有效，跨步=[1，2，2，1]，在gpu上使用\u cudnn\u=true]（占位符，conv2d\u 115/conv2d/readvariableap）”，输入形状：[？，1,1,32]，[2,32,64]。

这个错误是什么意思？我做错了什么？请帮我修一下这个。

Answer 1

这可能意味着，由于像maxpooling和具有“有效”填充值的conv2d这样的层，一些层的输入变得非常小，以至于其张量的形状为[？，1,1,32]，因此它无法执行大小为2的2D maxpooling或2D卷积。在这种情况下，您需要根据输入大小重新设计层（这意味着更改层的数量，或输入大小、跨距、填充选项等）。