具有可变输入大小的tensorflow转换网络的Keras

Question

我将python 3用于anaconda，将keras用于over tensorflow，我的目标是创建一个具有可变输入大小的Conv层的网络

我在这里找到了使用此代码的

i = Input((None, None, 1))
o = Conv2D(1, 3, 3)(i)
model = Model(i, o)
model.compile('sgd', 'mse')

我已经用它用这段代码创建了我自己的模型（我需要一个扁平层）

model = Sequential()
I = Input((None, None, 1))
c = Conv2D(filters=1, kernel_size=(1, 1))(I)
f = Flatten()(c)
o = Dense(10, activation="softmax")(f)
m = Model(I, o)
m.compile(loss=categorical_crossentropy, optimizer=SGD(), metrics=["accuracy"])

我一直在犯这个错误

ValueError：“展平”输入的形状没有完全定义（get（None，None，1）。确保将完整的“input\u shape”或“batch\u input\u shape”参数传递给模型中的第一层。

看起来问题是扁平层的输入形状，当我移除它时，它就好了。

如何才能让它在可变尺寸下发挥出色？

谢谢

Answer 1

我认为问题是由于您的input\U大小可变。这里说，如果您使用的是完全连接的层，就不能改变input\u大小。请参见：当图像大小不同时，如何训练图像？

Answer 2

Flatte方法不将输入大小作为参数。

model = Sequential()
I = Input((None, None, 1))
c = Conv2D(filters=1, kernel_size=(1, 1))(I)
f = Flatten()
o = Dense(10, activation="softmax")(I)
m = Model(I, o)
m.compile(loss="categorical_crossentropy", optimizer=SGD(), metrics=["accuracy"])

这应该可以解决你的问题。

Answer 3

密集需要固定大小的输入/输出，因为它的权重变量的数量必须是固定的。

在您的情况下有两种解决方案。

1. 使用GAP（全局平均池）而不是Flatten。GAP的输出大小是前一层的通道数。因此，它的大小在您的情况下是固定的。
2. 使用没有密集层的全卷积网络。在这种情况下，网络的输出是二维的，而不是一维的。所以y的大小应该是那个大小。

以下是根据Allen M的要求添加的
下面是一个代码示例：

# The original number of Conv filters are one.
# But I set it 16 to depict how GAP works.
# And B/H/W means BatchSize/Height/Width.

#1. using GAP
I = Input((None, None, 1)) # output shape=(B, H(None), W(None), 1)
c = Conv2D(filters=16, kernel_size=(1, 1))(I)  # output shape=(B, H, W, 16)
f = GlobalAveragePooling2D()(c) # output shape=(B, 16) <- space data(H/W) are aggregated by average
o = Dense(10, activation="softmax")(f) # output shape = (B, 10)
m = Model(I, o)

#2. all conv
I = Input((None, None, 1)) # output shape=(B, H, W, 1)
c = Conv2D(filters=16, kernel_size=(1, 1))(I) # output shape=(B, H, W, 16)
o = Conv2D(filters=10, kernel_size=(1, 1), activation="softmax")(c)
    # output shape=(B, H, W, 10)
m = Model(I, o)
# The output size of all conv is H * W * 10, where 10 is the number of classes.
# so the shape of y should be (B, H, W, 1) or (B, H, W) or (B, H, W, 10).
# That is pixel-wise classification or semantic segmentation.