Python MaxPool上的负维度大小

我已经用Keras实现了以下模型。下面，我使用的是Tensorflow

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

model = Sequential()
model.add(Conv2D(32, (2, 2), input_shape=(3, 150, 150), padding='SAME'))
model.add(Activation('relu'))
# model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(MaxPooling2D(pool_size=(2, 2), data_format="channels_last"))

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

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

但是，我有一个例外：

tensorflow.python.framework.errors_impl.InvalidArgumentError: Negative dimension size caused by subtracting 2 from 1 for 'max_pooling2d_2/MaxPool' (op: 'MaxPool') with input shapes: [?,1,75,32].

我使用的是

相同的

填充和

2*2

的卷积，因此输出应该是

2*2

，我应该能够在其上运行MaxPooling

---

我只是不明白输入是如何得到形状的

[？，1,75,32]

问题是第一次卷积的输入大小

您正在使用tensorflow和“最后一个通道”布局。 因此，需要在通道之前指定x和y分辨率

model.add(Conv2D(32, (2, 2), input_shape=(150, 150, 3), padding='SAME'))

您的初始形状是

[？，3，150，150]

，池应用于第二项和第三项，这就是形状

[？，1，75，32]

的创建方式。

32

是卷积中的过滤器数量

---

如果您想沿着第一个轴保留过滤器，Keras有一个配置文件，在Linux下，该文件应该位于/home/user/.Keras/Keras.json中。在此配置文件中，您可以更改频道布局，该选项称为

image\u data\u format

。在那里，您可以在

channels\u first

和

channels\u last

之间切换，我将

channels\u last

更改为

channels\u first

，但仍然会出现相同的错误。您在哪里更改的？在配置文件中？你从maxpooling中删除了参数吗？哦，我忘了从MaxPool中更改参数。