python - 将keras.backend.conv2d从Keras 1.x迁移到2.x

我正在将一个项目从Keras 1.x迁移到2.x。

在代码中，在1.x中运行良好的keras.backend.conv2d操作现在在2.x中崩溃。

convs = K.conv2d(a, b, padding='valid', data_format='channels_first')

在1.x中，输入张量形状a和b均为(1024, 4, 1, 1)，输出张量形状为(1024, 1024, 1, 1)。

使用2.x，出现以下错误：

ValueError: CorrMM: impossible output shape
  bottom shape: 1024 x 4 x 1 x 1
  weights shape: 1 x 1 x 1024 x 4
  top shape: 1024 x 1 x -1022 x -2

Apply node that caused the error: CorrMM{valid, (1, 1), (1, 1), 1 False}(Print{message='a', attrs=('__str__',), global_fn=<function DEBUG_printTensorShape at 0x00000272EF1FAD08>}.0, Subtensor{::, ::, ::int64, ::int64}.0)
Toposort index: 30
Inputs types: [TensorType(float32, (False, False, True, True)), TensorType(float32, (True, True, False, False))]
Inputs shapes: [(1024, 4, 1, 1), (1, 1, 1024, 4)]

我正在使用Theano后端，并在channels_first和K.set_image_data_format中都设置了conv2d。

最佳答案

在conv2D方法中，a是实际图像，而b是内核。



a的预期形状为（带有“ channels_first”）：

(batchSize, channels, side1, side2)

因此，您的输入具有：


1024张图片
4通道
图片1 x 1




但是，尽管使用'channels_last'，但b的预期形状为：

(side1,side2, inputChannels,outputChannels)

这似乎有点误导，因为在过滤器中，它仍然是最后一个通道。 （已在我的keras 2.0.4版上测试）

因此，如果您的输出为(1024,1024,1,1)，则假定b应该具有1024个输出过滤器，因此其形状应为：

(1,1,4,1024)

您可能应该使用某种方法来排列尺寸，而不仅仅是重塑形状。 Numpy的swapaxes和keras的K.permute_dimensions。