Python 添加MaxPooling 2D-ValueError:新数组的总大小必须保持不变

我创建了以下模型：

def create_model(input_shape = (224, 224, 3)):
    input_img = Input(shape=input_shape)
    model = efnB0_model (input_img)
    model = MaxPooling2D(pool_size=(2, 2), strides=2)(model)
    backbone = Flatten() (model)


    backbone = model

    branches = []
    for i in range(7):
            branches.append(backbone)
            branches[i] = Dense(360, name="branch_"+str(i)+"_Dense_360")(branches[i])
            branches[i] = Activation("relu") (branches[i])
            branches[i] = BatchNormalization()(branches[i])
            branches[i] = Dropout(0.2)(branches[i])           
            branches[i] = Dense(35, activation = "softmax", name="branch_"+str(i)+"_output")(branches[i])
        
    output = Concatenate(axis=1)(branches)
    output = Reshape((7, 35))(output)
    model = Model(input_img, output)

    return model

当我现在跑步时：

model = create_model()

我得到这个错误：

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-82-834f03506210> in <module>()
----> 1 model = create_model()

4 frames
/usr/local/lib/python3.6/dist-packages/keras/layers/core.py in _fix_unknown_dimension(self, input_shape, output_shape)
    385             output_shape[unknown] = original // known
    386         elif original != known:
--> 387             raise ValueError(msg)
    388 
    389         return tuple(output_shape)

ValueError: total size of new array must be unchanged

def create_model(input_shape = (224, 224, 3)):
    input_img = Input(shape=input_shape)
    model = efnB0_model (input_img)
    model = GlobalAveragePooling2D(name='avg_pool')(model)
    model = Dropout(0.2)(model)
    backbone = model

    branches = []
    for i in range(7):
            branches.append(backbone)
            branches[i] = Dense(360, name="branch_"+str(i)+"_Dense_360")(branches[i])
            branches[i] = Activation("relu") (branches[i])
            branches[i] = BatchNormalization()(branches[i])
            branches[i] = Dropout(0.2)(branches[i])          
            branches[i] = Dense(35, activation = "softmax", name="branch_"+str(i)+"_output")(branches[i])
        
    output = Concatenate(axis=1)(branches)
    output = Reshape((7, 35))(output)
    model = Model(input_img, output)

    return model

因此，错误似乎是由于添加了

MaxPooling2D

层，并消除了

GlobalAveragePooling

和

Dropout

我应该如何修改我的代码

---

谢谢

错误在这里

backbone=flatte（）（模型）

改正

model = Flatten()(model)

---

这里是完整的代码：

错误在这里

backbone=flatte（）（model）

改正

model = Flatten()(model)

---

这里是完整的代码：

谢谢！我看到你通过

安装了EfficientNet！pip安装效率网

。这与我使用的方法不同吗？我

！pip安装git+https://github.com/qubvel/segmentation_models

和

导入efficientnet.keras作为efn

。模型与您从细分要求中看到的相同。\u模型谢谢！你以前使用过efficientnet吗？没有，我以前从未使用过它，因为我想知道如何将它应用于无分割车牌识别。谢谢！我看到你通过

安装了EfficientNet！pip安装效率网

。这与我使用的方法不同吗？我

！pip安装git+https://github.com/qubvel/segmentation_models

和

导入efficientnet.keras作为efn

。模型与您从细分要求中看到的相同。\u模型谢谢！你以前使用过efficientnet吗？没有，我以前从未使用过它，因为我想知道如何将它应用于无分割车牌识别。