1

我是 keras 的新手。

我的目标是总共拥有 4 个最大池化层。它们都采用形状相同的输入 (N, 256)。第一层进行全局最大池化并给出 1 个输出。第二层池大小为 N / 2，步幅为 N / 2，提供 2 个输出。第三个给出 4 个输出，第四个给出 8 个输出。这是我的代码。

    test_x = np.random.rand(N, 256, 1)

    model = Sequential()

    input1 = Input(shape=test_x.shape, name='input1')
    input2 = Input(shape=test_x.shape, name='input2')
    input3 = Input(shape=test_x.shape, name='input3')
    input4 = Input(shape=test_x.shape, name='input4')

    max1 = MaxPooling2D(pool_size=(N, 256), strides=N)(input1)
    max2 = MaxPooling2D(pool_size=(N / 2, 256), strides=N / 2)(input2)
    max3 = MaxPooling2D(pool_size=(N / 4, 256), strides=N / 4)(input3)
    max4 = MaxPooling2D(pool_size=(N / 8, 256), strides=N / 8)(input4)

    mrg = Merge(mode='concat')([max1, max2, max3, max4])

创建 4 个最大池化层后，我尝试将它们合并在一起，但 keras 给出了这个错误。

ValueError：两个形状中的维度 1 必须相等，但对于具有输入形状的“merge_1/concat”（操作：“ConcatV2”）为 4 和 8：[?,1,1,1], [?,2,1, 1], [?,4,1,1], [?,8,1,1], [] 和计算的输入张量：input[4] = <3>。

我该如何解决这个问题？合并正确的方法来实现我在 keras 中的目标吗？

4

1 回答 1

1

对于串联，所有维度必须具有相同数量的元素，但串联维度本身除外。

如您所见，您的结果具有以下形状：

(?, 1, 1, 1)    
(?, 2, 1, 1)    
(?, 4, 1, 1)    
(?, 8, 1, 1)

自然，连接它们的唯一可能方法是在第二个轴（axis = 1） 

mrg = Concatenate(axis=1)([max1,max2,max3,max4])

但是请注意（除非您有特定的原因并且确切地知道您在做什么）这将导致一个非常奇怪的图像，因为您是在空间维度中连接，而不是在通道维度中。

于 2017-10-03T18:47:33.697 回答