Keras（+；tensorflow）不能仅用部分序列数据进行预测

我现在正在使用Keras和tensorflow构建一个立体匹配网络。该网络具有以下结构：

在对整个网络进行培训之后，我需要对其进行测试。然而，培训阶段和测试阶段是完全不同的。我得把模型分成两部分。第一个部分是CNN+连接，它只需要运行一次，而完全连接的部分（实际上我在测试时将其修改为完全转换形式）需要使用稍微不同的输入运行d次，其中d从100到228不等

第一部分网络代码：

# input image dimensions
img_rows, img_cols = X1.shape[0], X1.shape[1]
input_shape = (img_rows, img_cols, 1)
X1 = X1.reshape(1, img_rows, img_cols, 1)
X2 = X2.reshape(1, img_rows, img_cols, 1)

# number of conv filters to use
nb_filters = 112

# CNN kernel size
kernel_size = (3,3)

left_branch = Sequential()
left_branch.add(Convolution2D(nb_filters, kernel_size[0], kernel_size[1], border_mode='same', input_shape=input_shape))
left_branch.add(Activation('relu'))
left_branch.add(Convolution2D(nb_filters, kernel_size[0], kernel_size[1], border_mode='same'))
left_branch.add(Activation('relu'))
left_branch.add(Convolution2D(nb_filters, kernel_size[0], kernel_size[1], border_mode='same'))
left_branch.add(Activation('relu'))
left_branch.add(Convolution2D(nb_filters, kernel_size[0], kernel_size[1], border_mode='same'))
left_branch.add(Activation('relu'))

right_branch = Sequential()
right_branch.add(Convolution2D(nb_filters, kernel_size[0], kernel_size[1], border_mode='same', input_shape=input_shape))
right_branch.add(Activation('relu'))
right_branch.add(Convolution2D(nb_filters, kernel_size[0], kernel_size[1], border_mode='same'))
right_branch.add(Activation('relu'))
right_branch.add(Convolution2D(nb_filters, kernel_size[0], kernel_size[1], border_mode='same'))
right_branch.add(Activation('relu'))
right_branch.add(Convolution2D(nb_filters, kernel_size[0], kernel_size[1], border_mode='same'))
right_branch.add(Activation('relu')) 
merged = Merge([left_branch, right_branch], mode='concat')

cnn = Sequential()
cnn.add(merged)

我将从训练阶段获得的权重加载到网络的第一部分，并尝试对其进行预测

def load_cnn_weights(filepath):
    f = h5py.File(filepath, mode='r')
    weights = []
    for i in range(1, 9):
        weights.append(f['model_weights/conv2d_{}/conv2d_{}/kernel:0'.format(i, i)][()])
        weights.append(f['model_weights/conv2d_{}/conv2d_{}/bias:0'.format(i, i)][()])
    f.close()
    return weights

weights = load_cnn_weights("/home/users/shixin.li/segment/Lecun_stereo_rebuild/weights.hdf5") 
cnn.set_weights(weights)
output_cnn = cnn.predict([X1, X2]) 

我已经通过调用

get\u weights（）

函数检查了权重是否已成功读取，并且是否能够适应网络。X1和X2不是零，它们是标准化灰度图像矩阵。我甚至试着在预测之前编辑网络。但是结果

output\u cnn

给出的都是零

---

我没有看到任何人有这个问题，我被困了两天。真正让我困惑的是，输入和权重都不是零，那么为什么结果是零呢？如果你能帮忙，我会非常感激的

您可能想尝试使用来找出所有零输出的op的确切输入是什么，以了解发生了什么。

您可能想尝试使用来找出所有零输出的op的确切输入是什么，以了解发生了什么