人体识别3D CNN模型开发报错：Convolution3D缺少kernel_size参数

报错现象 #

开发人体识别任务的3DCNN模型时，模型构建阶段触发如下错误：

TypeError: __init__() missing 1 required positional argument: 'kernel_size'

报错根因 #

该错误由Keras API版本不兼容导致：

• 代码使用的是Keras 1.x版本的Convolution3D层参数写法，在Keras 2.x及以上版本（含TensorFlow 2.x内置的tf.keras）中，3D卷积层不再支持nb_depth/nb_row/nb_col三个独立参数传递卷积核尺寸，强制要求传入三维元组形式的kernel_size作为必填位置参数。
• 代码中Dense层使用的init参数是旧版API的权重初始化参数，新版中已更名为kernel_initializer，不修改的话后续会触发新的参数不存在报错。

修复方案 #

按照新版Keras接口规范调整参数即可，具体修改点：

• 删除Convolution3D层的nb_depth/nb_row/nb_col参数，替换为kernel_size=(卷积核深度, 卷积核行高, 卷积核列宽)
• 将所有Dense层的init参数替换为kernel_initializer
• 可将旧类名Convolution3D替换为新版通用别名Conv3D，二者功能完全一致。

修正后的完整代码如下：

# 各层卷积核数量
nb_filters = [32, 32]

# 各层池化窗口尺寸 (POOL x POOL x POOL)
nb_pool = [3, 3]

# 各层卷积核尺寸 (CONV x CONV x CONV)
nb_conv = [5,5]

# 数据预处理
train_set = train_set.astype('float32')
train_set -= np.mean(train_set)
train_set /= np.max(train_set)

# 模型定义
model = Sequential()
# 修正3D卷积层参数
model.add(Conv3D(nb_filters[0], 
                 kernel_size=(nb_conv[0], nb_conv[0], nb_conv[0]), 
                 input_shape=(1, img_rows, img_cols, patch_size), 
                 activation='relu'))
model.add(MaxPooling3D(pool_size=(nb_pool[0], nb_pool[0], nb_pool[0])))
model.add(Dropout(0.5))
model.add(Flatten())
# 修正全连接层初始化参数名
model.add(Dense(128, kernel_initializer='normal', activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(nb_classes, kernel_initializer='normal'))
model.add(Activation('softmax'))
model.compile(loss='categorical_crossentropy', optimizer='RMSprop')

补充注意：如果你的Keras后端为TensorFlow，默认使用channels_last数据格式，需要将input_shape调整为(img_rows, img_cols, patch_size, 1)（通道维度放在最后），否则会触发维度不匹配报错。

内容的提问来源于stack exchange，提问作者mohammad Nadeem Ahangar