Python 如何在没有负尺寸的情况下实现Conv2D和maxpooling2d

我正试图将Conv2D和Maxpooling添加到我的头部模型中，但我似乎无法做到这一点

headModel = baseModel.output
headModel = (Conv2D(448,(3,3),input_shape=data.shape[1:]))(headModel)
headModel = (MaxPooling2D(pool_size=(7,7)))(headModel)
headModel = Flatten(name="flatten")(headModel)
headModel = Dense(128, activation="relu")(headModel)
headModel = Dropout(0.5)(headModel)
headModel = Dense(2, activation="softmax")(headModel)

在我添加conv2D之前，Maxpooling2D可以完美地工作，但是一旦我添加了conv2D，就会出现以下错误

因“{node max_poolig2d_6/MaxPool}}=MaxPoolT=DT_FLOAT，data_format=“NHWC”，explicit_paddings=[]，ksize=[1,7,7,1]，padding=“VALID”，步长=[1,7,7,1]”和输入形状：[？,5,5448]从5中减去7而导致的负维度大小。 在处理上述异常期间，发生了另一个异常： ValueError回溯（最近一次调用上次）

理想情况下，我希望有2个Maxpooling层和2个Conv2D层，所以我可以有类似的东西

多谢各位

---

您可以设置

padding='same'

，这将向 特征映射，从而保留特征映射的维度

---

当您试图在功能映射上执行卷积或最大池时，会出现异常（如问题中所述），这无法进一步减少。例如，功能映射的大小为

（2,2,32）

，则不能在其上执行内核大小为3的卷积（使用padding=

valid

）。

可以在

Conv2D

中设置

padding='same'

以保留输入功能映射的维度。padding='same'确实有效，谢谢，我在这里补充了一个答案。如果有帮助，就接受它。