Neural network caffe:检查失败：底部[0]->；num_axes（）==第一个空间轴+；num_空间_轴（3对4）底部num_轴可能不会更改

我修改了FCN网络并设计了一个新的网络，其中我使用两个ImageData层作为输入参数，并希望网络生成一幅图片作为输出。 这是和

原始图片和标签均为灰度图片，尺寸为224*224。 我已经训练了一个caffemodel，并使用infer.py使用caffemodel进行分割，但遇到了以下错误：

 Check failed: bottom[0]->num_axes() == first_spatial_axis + num_spatial_axes_ (3 vs. 4) bottom num_axes may not change.

以下是infer.py文件：

import numpy as np
from PIL import Image
caffe_root = '/home/zhaimo/' 
import sys
sys.path.insert(0, caffe_root + 'caffe-master/python')

import caffe
im = Image.open('/home/zhaimo/fcn-master/data/vessel/test/13.png')
in_ = np.array(im, dtype=np.float32)
#in_ = in_[:,:,::-1]
#in_ -= np.array((104.00698793,116.66876762,122.67891434))
#in_ = in_.transpose((2,0,1))


net = caffe.Net('/home/zhaimo/fcn-master/mo/deploy.prototxt', '/home/zhaimo/fcn-master/mo/snapshot/train/_iter_200000.caffemodel', caffe.TEST)
net.blobs['data'].reshape(1, *in_.shape)
net.blobs['data'].data[...] = in_
net.forward()
out = net.blobs['score'].data[0].argmax(axis=0)

plt.axis('off')
plt.savefig('/home/zhaimo/fcn-master/mo/result/13.png')

---

如何解决这个问题？

您的网络需要4D输入的形状

1xhxw

。这是一个具有单个图像的批处理，其中只有一个通道具有高度和宽度

HxW

。因此，输入有两个单态前导维度。 您为您的网络提供的是一个带有单个2D图像的批处理，即您的

in

的

形状

仅为

HxW

-您缺少通道维度的单个维度。
要解决问题，需要显式添加singleton维度：

 net.blobs['data'].reshape(1, 1, *in_.shape)

---

至于您得到的

键错误

，您没有任何名为

'score'

的blob，您有

'upscore1'

和

'prob'

：

 out = net.blobs['prob'].data[0].argmax(axis=0)

---

您的输入图像

im

是否可能是2D形状而不是3D（带有“通道”的单一尺寸）？很抱歉，我无法理解您的意思，请您说清楚一点好吗？您的网络需要4D输入：

1xHxW

我怀疑您为其提供了

1xHxW

输入（即，您省略了“通道”）维度）。你能看出

1xHxW

3D数组和

HxW

2D数组之间的区别吗？我在测试阶段提供了一个8位灰度图片作为输入，因为我认为灰度图片占用了一个通道。那么如何更改输入来解决这个问题呢？如果你更改为

net.blobs['data']。重塑（1，1，*in_uuuuxw.shape）

。它能奏效吗？