Deep learning 因'的1减去2而导致的负尺寸大小；max#u Poolg2D#u 52/MaxPool'；（op:'；MaxPool'；）具有以下输入形状：[？，148,1,32]

我得到了这个无效的参数错误，也得到了最大池层的值错误。dim ordering='th'也不起作用。我不明白为什么会这样。请提前帮助某人…谢谢

from keras.models import Sequential
from keras.layers import Conv2D, MaxPooling2D
from keras.layers import Activation, Dropout, Flatten, Dense
from keras.preprocessing.image import ImageDataGenerator

model = Sequential()
model.add(Conv2D(32, (3, 3), input_shape=(150, 150, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Conv2D(32, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Conv2D(64, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Conv2D(128, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Conv2D(512, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Conv2D(512, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Conv2D(1024, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Flatten())  
model.add(Dense(1024))
model.add(Activation('relu'))
model.add(Dropout(0.5))
model.add(Dense(1))
model.add(Activation('sigmoid'))

model.summary()

---

您共享的次数太多了

每次您的样本通过一个池层时，它的宽度和高度都被除以2。最后，你不能再缩小你的样本规模，但你要继续尝试（显然是在max_pooling_2d_52）

---

包含完整的tracelog将更容易解释您的问题：）

不要使任何层输入大小小于其过滤器大小，否则将抛出错误

输出的大小（尺寸）计算为：[（n-f+p）/s]+1，其中

• n：输入维度
• f：过滤器尺寸
• s:迈步
• p:填充

默认填充为零（也称为有效填充），在您的示例中，p是默认值，因此p=0

默认步幅为1，在您的情况下，s也是默认步幅，因此s=1

因此，在您的案例中，计算输出维度的公式是：n-f+1

也

最大池层将维度减少一半，即n/2

现在让我们打断模型层，计算 在每一层之后输出形状，看看哪里出错

model = Sequential()
#  size : 150 * 150 *3 (  given image size)
model.add(Conv2D(32, (3, 3), input_shape=(150, 150, 3)))
model.add(Activation('relu'))

# size :  148 * 148 * 32  ( as : n-f+1 =  150 -3+1  =148 ) 

model.add(MaxPooling2D(pool_size=(2, 2)))

# size :  74 * 74 * 32  ( as : n/2 = 148/2 = 74)

model.add(Conv2D(32, (3, 3)))
model.add(Activation('relu'))

# size :   72 * 72 * 32    (74-3+1 =72)

model.add(MaxPooling2D(pool_size=(2, 2)))

# size :36 * 36 * 32    ( 72/2 = 36)

model.add(Conv2D(64, (3, 3)))
model.add(Activation('relu'))

# size : 34 * 34* 64   (36-3+1 =34)

model.add(MaxPooling2D(pool_size=(2, 2)))

# size : 17 * 17 * 64  ( 34/2 = 17)

model.add(Conv2D(128, (3, 3)))
model.add(Activation('relu'))

# size : 15* 15 * 128   ( 17-3+1 =15)

model.add(MaxPooling2D(pool_size=(2, 2)))

# size : 7 * 7 * 128  ( 15/2 = 7)

model.add(Conv2D(512, (3, 3)))
model.add(Activation('relu'))

# size : 5 * 5 * 512   (7-3+1 = 5)

model.add(MaxPooling2D(pool_size=(2, 2)))

# size : 2* 2* 512    (5/2 = 2)

model.add(Conv2D(512, (3, 3)))

## now here your n is 2 but f is 3 and n-f  is -1 i.e. negative hence the error


model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Conv2D(1024, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Flatten())  
model.add(Dense(1024))
model.add(Activation('relu'))
model.add(Dropout(0.5))
model.add(Dense(1))
model.add(Activation('sigmoid'))