Keras中strides如何影响输入形状?Conv2D加strides后报错怎么办
核心原因拆解
- 卷积层、池化层在默认
padding='VALID'(不做边缘补零)的配置下,输出特征图尺寸遵循计算公式:输出尺寸 = floor((输入尺寸 - 核尺寸)/步长) + 1 - 你在首层Conv2D设置
strides = 2后,该层输出的高、宽尺寸会直接压缩为原输入尺寸的1/2,相比不设置该参数的版本,全链路特征图的缩小速度提升了一倍 - 触发报错时,最后一个池化层的输入形状为
[?,128,2,46],对应channels_first格式下的维度含义为:批次维、128个通道、特征图高度2、特征图宽度46。此时接入pool_size=(4,4)的MaxPooling2D层,代入VALID模式的尺寸公式计算,高度方向的输出值为负数,直接触发“Negative dimension size”的运行报错
移除strides参数后程序可正常运行的逻辑
不带该参数时,首层Conv2D的默认步长为1,输出特征图尺寸仅比原输入小1个像素,全链路的特征图缩小幅度和你之前调试通过的版本完全匹配,不会出现特征图尺寸小于后续池化核大小的问题
同类问题的规避方法
- 搭建完Sequential模型后第一时间运行
model.summary(),逐层核对输出特征图尺寸,提前定位哪一层的缩小幅度超过了后续层的核尺寸要求 - 给所有卷积、池化层显式补充
data_format='channels_first'参数,避免部分层未继承全局配置、默认走NHWC格式导致的形状解析错配 - 对容易出现尺寸不足的层,补充
padding='same'参数:该模式下卷积/池化的输出尺寸仅按步长倍数缩放,不会因核尺寸的减法计算把特征图压到负尺寸 - 匹配strides带来的尺寸缩小幅度调整核参数:比如当特征图高度只剩2时,把原本4x4的池化核调整为2x2,或直接移除对应位置的池化层
内容的提问来源于stack exchange,提问作者bearthum
相关产品推荐
相关产品推荐

