输入通道的数量与 Keras 中过滤器的相应维度不匹配

Question

我使用keras搭建基于Resnet50的模型，代码如下

input_crop = Input(shape=(3, 224, 224))

# extract feature from image crop
resnet = ResNet50(include_top=False, weights='imagenet')
for layer in resnet.layers:  # set resnet as non-trainable
    layer.trainable = False

crop_encoded = resnet(input_crop)  

但是，我遇到了错误

'ValueError: 输入通道数与过滤器的对应维度不匹配，224 != 3'

我该如何解决？

Answer 1

由于 Keras 的 Theano 和 TensorFlow后端使用不同的图像格式，经常会产生此类错误。在您的情况下，图像显然是channels_first格式 (Theano)，而您很可能使用需要channels_last格式的 TensorFlow 后端。

该MNIST CNN例如在Keras提供了一个很好的方法，使你的代码不受这样的问题，即工作都Theano＆TensorFlow后端-这里是为您的数据适应：

from keras import backend as K

img_rows, img_cols = 224, 224

if K.image_data_format() == 'channels_first':
    input_crop = input_crop.reshape(input_crop.shape[0], 3, img_rows, img_cols)
    input_shape = (3, img_rows, img_cols)
else:
    input_crop = input_crop.reshape(input_crop.shape[0], img_rows, img_cols, 3)
    input_shape = (img_rows, img_cols, 3)

input_crop = Input(shape=input_shape)