Keras &引用；ValueError:输入0与层conv1d不兼容\u 1:预期ndim=3，发现ndim=4“；

我正在加载VGG19模型并尝试应用1d conv以减少深度，但我得到以下错误： ValueError:输入0与层conv1d_1不兼容：预期ndim=3，发现ndim=4

这是我正在使用的函数：

def getModel():
    base_model = VGG19(weights='imagenet')
    model = Model(inputs=base_model.input, outputs=base_model.get_layer('block4_conv4').output) 
    #model.output=(None, 28, 28, 512)   
    layer=keras.layers.Conv1D(96, (512), padding='same')
    model.summary()
    out=(layer)(model.output)
    model = Model(inputs=base_model.input, outputs=out)
    model.summary()
    return model

---

问题是，最后一个输出是Conv2D层生成的输出，该层具有形状[批次大小、高度、宽度、通道]。这不能被

Conv1D

使用<代码>Conv1D消耗[批次大小、宽度、通道]输入。在您的情况下，由于您对减少过滤器的数量感兴趣，因此只需将

Conv1D

转换为

Conv2D

只需将功能更改为

def getModel():
    base_model = VGG19(weights='imagenet')
    model = Model(inputs=base_model.input, outputs=base_model.get_layer('block4_conv4').output) 

    # Here we are using Conv2D not Conv1D which gives 96 filters at the end.
    layer=keras.layers.Conv2D(96, (3,3), padding='same')
    model.summary()
    out=(layer)(model.output)
    model = Model(inputs=base_model.input, outputs=out)
    model.summary()
    return model

这里,

• 96-是过滤器的数量
• （3,3）-是卷积层的内核高度和宽度

---

如果不在高度和宽度轴上展开

Conv2D

输出，则无法对

Conv2D

的输出应用

Conv1D

。也许可以更清楚地解释你想要做什么。我真正想要的是将输出深度从512减少到96。