Keras Conv2D层在使用AWS Sagemaker时输出不同

Question

我一直在尝试在AWS Sagemaker上训练一个模型，因为我发现我的计算机不再足够强大，无法在合理的时间内训练我的模型。然而，当我试图加载模型(从我的计算机复制粘贴代码后)，我得到了一个意想不到的错误。

经过一些修改，我发现第一个Conv2D图层的输出形状与我在电脑上的输出形状不同。

Sagemaker输出尺寸:

(None, 128, 498, 3)

期望输出尺寸:

(None, 498, 498, 3)

我的代码如下:

import tensorflow as tf
from tensorflow import keras

model = keras.models.Sequential()
model.add(keras.Input(shape = (500,500,3)))
model.add(keras.layers.Conv2D(filters=128, kernel_size = (3,3), activation='relu'))
model.compile(optimizer=keras.optimizers.Adam(learning_rate=0.0001),
loss=keras.losses.CategoricalCrossentropy(from_logits=True),
metrics=['accuracy'])
model.summary()

我该如何解决这个问题?

Answer 1

我来这里，因为我有同样的问题。我找到了解决办法，但我还是很困惑。我只是想提一下，我在本地和sagemaker(2.10)上使用相同的tensorflow版本。并且在两个完全相同的代码上。

如果你去https://keras.io/api/layers/convolution_layers/convolution2d/州:

"输出型

4+D张量:batch_shape + (filters, new_rows, new_cols)if data_format='channels_first'如果data_format='channels_last'，则使用batch_shape + (new_rows, new_cols, filters) 。行和颜色值可能因填充。">

而更改。所以我强迫Sagemaker的版本' data_format='channels_last'现在本地版本和AWS版本是一致的。

Answer 2

from keras import backend
backend.set_image_data_format('channels_last') #channels_first for NCHW

这可以解决您的问题，因为sagemaker上的tensorflow默认情况下期望通道优先