Python 将keras.backend.conv2d从keras 1.x迁移到2.x

我正在将一个项目从Keras1.x迁移到2.x

在代码中，在1.x中运行良好的操作现在在2.x中崩溃

convs = K.conv2d(a, b, padding='valid', data_format='channels_first')

输入张量形状

a

和

b

都是

（1024,4,1,1）

，输出张量形状是

（1024,1024,1,1）

在1.x中

对于2.x，我得到以下错误：

ValueError: CorrMM: impossible output shape
  bottom shape: 1024 x 4 x 1 x 1
  weights shape: 1 x 1 x 1024 x 4
  top shape: 1024 x 1 x -1022 x -2

Apply node that caused the error: CorrMM{valid, (1, 1), (1, 1), 1 False}(Print{message='a', attrs=('__str__',), global_fn=<function DEBUG_printTensorShape at 0x00000272EF1FAD08>}.0, Subtensor{::, ::, ::int64, ::int64}.0)
Toposort index: 30
Inputs types: [TensorType(float32, (False, False, True, True)), TensorType(float32, (True, True, False, False))]
Inputs shapes: [(1024, 4, 1, 1), (1, 1, 1024, 4)]

ValueError:CorrMM:不可能的输出形状
底部形状：1024x4x1x1
重量形状：1 x 1 x 1024 x 4
顶部形状：1024x1x-1022x-2
导致错误的应用节点：CorrMM{valid，（1，1），（1，1），1 False}（Print{message='a'，attrs=（'''uuu str''，），global_fn=}.0，子传感器{：，：，：，：，：：int64，：：int64}.0）
拓扑排序索引：30
输入类型：[TensorType（float32，（False，False，True，True）），TensorType（float32，（True，True，False，False））]
输入形状：[（1024,4,1,1），（1,1,1024,4）]

---

我正在使用Ano后端，并在

K.set\u image\u data\u格式和
conv2d
中首先设置
channels\u
 在
conv2D
方法中，
a
是实际图像，
b
是内核


a
的预期形状为（带有“通道\u优先”）：

因此，您的输入有：


1024幅图像
4频道
图1 x 1


但是，尽管使用了
'channels\u last'
，但
b
的预期形状是：

(side1,side2, inputChannels,outputChannels)

这似乎有点误导，因为在过滤器中，它仍然是最后一个通道。（在我的keras上测试，版本2.0.4）

因此，如果您的输出是
（10241024,1,1）
，我假设
b
应该有1024个输出过滤器，因此它的形状应该是：

(1,1,4,1024)

您可能应该使用某种方法来排列尺寸，而不仅仅是重塑形状。Numpy有
swapaxes
和keras有
K.permute\u维度
 
K.permute\u维度（x，（3,2,1,0））
完成了任务。谢谢
(1,1,4,1024)