Python ValueError:层权重形状（3,3,3,64）与提供的权重形状（64,3,3,3）不兼容

我试图根据图像和文本对产品进行分类，但遇到了错误

 img_width, img_height = 224, 224
# build the VGG16 network
model = Sequential()
model.add(ZeroPadding2D((1, 1), input_shape=(img_width, img_height,3), name='image_input'))

model.add(Convolution2D(64, (3, 3), activation='relu', name='conv1_1'))
model.add(ZeroPadding2D((1, 1)))
model.add(Convolution2D(64, (3, 3), activation='relu', name='conv1_2'))
model.add(MaxPooling2D((2, 2), strides=(2, 2)))


# set trainable to false in all layers
for layer in model.layers:
    if hasattr(layer, 'trainable'):
        layer.trainable = False

return model

WEIGHTS_PATH='E:/'
weight_file = ''.join((WEIGHTS_PATH, '/vgg16_weights.h5'))
f = h5py.File(weight_file,mode='r')
for k in range(f.attrs['nb_layers']):
    if k >= len(model.layers):
        # we don't look at the last (fully-connected) layers in the savefile
        break
    g = f['layer_{}'.format(k)]
    weights = [g['param_{}'.format(p)] for p in range(g.attrs['nb_params'])]
    model.layers[k].set_weights(weights)
f.close()
return model

load_weights_in_base_model(get_base_model())

错误： 文件“C:\Python\lib\site packages\keras\engine\topology.py”，第1217行，在 设置重量“提供重量形状”+str（w形状）） ValueError:层权重形状（3,3,3,64）与提供的权重形状（64,3,3,3）不兼容

---

谁能帮我解决这个错误。提前谢谢

问题似乎出在线路上

model.layers[k].set_weights(weights)

Keras使用不同的后端以不同的方式初始化权重。如果您使用

theano

作为后端，那么权重将根据

kernels\u first

进行初始化，如果您使用

tensorflow

作为后端，那么权重将根据

kernels\u last

进行初始化

因此，您案例中的问题似乎是您使用的是

tensorflow

，但加载的权重来自使用

theano

作为后端创建的文件。解决方案是使用keras

conv\u utils

from keras.utils.conv_utils import convert_kernel
reshaped_weights = convert_kernel(weights)
model.layers[k].set_weights(reshaped_weights)

---

查看以了解更多信息

请提供一个最小的工作示例，以便用户可以调试该问题。另外，您是否确保尺寸匹配？（3,3,3,64）不是（64,3,3,3）！嘿，我正在使用Theano后端，但它仍然显示相同的错误。我以前用过Tensorflow，现在改成了Theano。当我在tensorflow中运行您的解决方案时，它会给我一个错误（“无效的内核形状：”，（0，））。你知道我怎么修吗？