密集层可能会产生InvalidArgumentError:不兼容的形状:[0,2]与[32,2]

Question

的设置

我使用的是Python 3.6，TF 2.4.0在Azure DSVM STANDARD_NC6(6核，56 GB RAM，380 GB磁盘)上，使用1个GPU

---

参数/模型

我有训练数据：形状为(4599, 124, 124, 3)的print(xtrain.shape)并且ytrain|yval是绝对的。

我使用一个经典的生成器

datagen = ImageDataGenerator(
zoom_range=0.1,
rotation_range=25,
width_shift_range=0.1,
height_shift_range=0.1,
shear_range=0.15,
horizontal_flip=True,
fill_mode="nearest"
)
datagen.fit(xtrain)

我的模型是基本的mobilenetv2，有自己的头：

baseModel = MobileNetV2(weights="imagenet", 
include_top=False, 
input_tensor=Input(shape=(224, 224,3)), 
#input_shape=(224, 224, 3),
)
headModel = baseModel.output
headModel = AveragePooling2D(pool_size=(7, 7))(headModel)
headModel = Flatten(name="flatten")(headModel)
headModel = Dense(64, activation="relu")(headModel)
headModel = Dropout(0.5)(headModel)
headModel = Dense(2, activation="softmax")(headModel)
model = Model(inputs=baseModel.input, outputs=headModel)
for layer in baseModel.layers:
layer.trainable = False
model.compile(loss="mse", optimizer='adam', metrics=["accuracy"])

当我现在适合模型时

Batch_Size=1
h = model.fit(
datagen.flow(xtrain, ytrain, batch_size=Batch_Size),
steps_per_epoch=len(xtrain) // Batch_Size,
validation_data=(xval, yval),
validation_steps=len(xval) // Batch_Size,
epochs=EPOCHS,
callbacks=[model_checkpoint_callback, Board])

---

错误

我得到错误(都一样，但随着批量大小和损失函数的变化)

当我将batch_size=1与loss=mse、categorical_crossentropy或其他一起使用时，模型会进行训练，但在历元结束时会出现以下错误

ValueError:输入0与层模型_2不兼容：应为形状=(无，224，224，3)，找到的形状=(1，124，124，3)

如果我使用高于1的batch_size，例如32和loss=categorical_crossentropy，则在训练前抛出错误：

InvalidArgumentError:不兼容的形状：[32]与[0][[node相等(定义于：12)]][操作：__推理_训练_功能_65107]

使用loss=mse

InvalidArgumentError:不兼容的形状：[0,2]与[32,2][[nodegradient_tape/mean_squared_error/BroacastGradientArgs(定义于：12)]][操作：__推理_训练_功能_81958]

如果我更改最后一个密集层的隐藏单位，错误将更改为该单位。例如

...
headModel = Dense(5, activation="softmax")(headModel)

中的结果

InvalidArgumentError：不兼容的形状：[0.5]与[32,2]

显然，正确的输入形状有时会丢失。尤其是批量大小(第二个维度基于密集的隐藏单元)。有人有主意吗？感谢

我在git上查看了这个旧帖子中的许多回复：https://github.com/kuza55/keras-extras/issues/7但在那里找不到解决方案。

Answer 1

提供给网络的数据必须与网络的输入具有相同的形状。您正试图向接受维度为224x224x3的图像的网络提供维度为124x124x3的数据。

您可以：

• 用兼容的输入维度加载移动网络

  baseModel = MobileNetV2(weights=None, 
  include_top=False, 
  input_tensor=Input(shape=(124, 124,3)), 
  )
  

  这种方法的缺点是不能使用预先训练的权重。

• 将输入数据重塑为模型输入的大小。在这种情况下，将124xx124图像的大小调整为224x224。有很多方法可以做到，但如果你愿意保留ImageDataGenerator，我建议你先做。