将keras.backend.conv2d从Keras 1.x迁移到2.x

Question

我正在将项目从Keras 1.x迁移到2.x.

在代码中，在1.x中正常运行的keras.backend.conv2d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均为(1024, 4, 1, 1)和输出张量形状1.x中是(1024, 1024, 1, 1)

2.x版，我发现了以下错误：

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)] 

我使用Theano后端，并在K.set_image_data_format和conv2d设置channels_first两者。

Answer 1

在conv2D方法中，a是实际图像，而b是内核。

---

为a预期形状是（用 “channels_first”）：

(batchSize, channels, side1, side2) 

所以，你的输入有：

• 1024图像
• 4通道
• 图像1 x 1

---

但是，虽然使用'channels_last'，为b预期形状是：

(side1,side2, inputChannels,outputChannels) 

这似乎有点误导，因为在过滤器，它仍然是最后的通道。 （测试我的keras，版本2.0.4）

所以，如果你的产量为(1024,1024,1,1)，我认为b应该有1024个输出滤波器，所以它的形状应为：

(1,1,4,1024) 

你应该使用一些方法来排列尺寸，而不仅仅是重塑。 Numpy有swapaxes，keras有K.permute_dimensions。