instalar python neural-network tensorflow deep-learning keras

python - instalar tensorflow en anaconda



Keras Maxpooling2d capa da ValueError (6)

Estoy tratando de replicar el modelo VGG16 en keras, el siguiente es mi código:

model = Sequential() model.add(ZeroPadding2D((1,1),input_shape=(3,224,224))) model.add(Convolution2D(64, 3, 3, activation=''relu'')) model.add(ZeroPadding2D((1,1))) model.add(Convolution2D(64, 3, 3, activation=''relu'')) model.add(MaxPooling2D((2,2), strides=(2,2))) model.add(ZeroPadding2D((1,1))) model.add(Convolution2D(128, 3, 3, activation=''relu'')) model.add(ZeroPadding2D((1,1))) model.add(Convolution2D(128, 3, 3, activation=''relu'')) model.add(MaxPooling2D((2,2), strides=(2,2))) ###This line gives error model.add(ZeroPadding2D((1,1))) model.add(Convolution2D(256, 3, 3, activation=''relu'')) model.add(ZeroPadding2D((1,1))) model.add(Convolution2D(256, 3, 3, activation=''relu'')) model.add(ZeroPadding2D((1,1))) model.add(Convolution2D(256, 3, 3, activation=''relu'')) model.add(MaxPooling2D((2,2), strides=(2,2))) model.add(ZeroPadding2D((1,1))) model.add(Convolution2D(512, 3, 3, activation=''relu'')) model.add(ZeroPadding2D((1,1))) model.add(Convolution2D(512, 3, 3, activation=''relu'')) model.add(ZeroPadding2D((1,1))) model.add(Convolution2D(512, 3, 3, activation=''relu'')) model.add(MaxPooling2D((2,2), strides=(2,2))) model.add(ZeroPadding2D((1,1))) model.add(Convolution2D(512, 3, 3, activation=''relu'')) model.add(ZeroPadding2D((1,1))) model.add(Convolution2D(512, 3, 3, activation=''relu'')) model.add(ZeroPadding2D((1,1))) model.add(Convolution2D(512, 3, 3, activation=''relu'')) model.add(MaxPooling2D((2,2), strides=(2,2))) model.add(Flatten()) model.add(Dense(4096, activation=''relu'')) model.add(Dropout(0.5)) model.add(Dense(4096, activation=''relu'')) model.add(Dropout(0.5)) model.add(Dense(1000, activation=''softmax''))

La capa maxpooling2d da un error en la línea que se comenta

El error dice:

ValueError: Negative dimension size caused by subtracting 2 from 1 for ''MaxPool_7'' (op: ''MaxPool'') with input shapes: [?,1,112,128].

¿Cuál podría ser la razón detrás de esto? ¿Cómo resolver esto?

Edición: Un registro de errores más detallado:

ValueError Traceback (última llamada más reciente) en () 12 model.add (Convolution2D (128, 3, 3, activación = ''relu'')) 13 ---> 14 model.add (MaxPooling2D ((2,2), zancadas = (2,2))) 15 16 model.add (ZeroPadding2D ((1,1)))

/usr/local/lib/python2.7/dist-packages/keras/models.pyc en add (self, layer) 306 output_shapes = [self.outputs [0] ._ keras_shape]) 307 else: -> 308 output_tensor = layer (self.outputs [0]) 309 si el tipo (output_tensor) está en la lista: 310 raise Exception (''Todas las capas en un modelo secuencial''

/usr/local/lib/python2.7/dist-packages/keras/engine/topology.pyc in call (self, x, mask) 512 si inbound_layers: 513 # esto llamará layer.build () si es necesario -> 514 self.add_inbound_node (inbound_layers, node_indices, tensor_indices) 515 input_added = True 516

/usr/local/lib/python2.7/dist-packages/keras/engine/topology.pyc en add_inbound_node (self, inbound_layers, node_indices, tensor_indices) 570 # creando el nodo automáticamente se actualiza self.inbound_nodes 571 # así como outbound_nodes en capas entrantes. -> 572 Node.create_node (self, inbound_layers, node_indices, tensor_indices) 573 574 def get_output_shape_for (self, input_shape):

/usr/local/lib/python2.7/dist-packages/keras/engine/topology.pyc en create_node (cls, outbound_layer, inbound_layers, node_indices, tensor_indices) 147 148 if len (input_tensors) == 1: -> 149 output_tensors = to_list (outbound_layer.call (input_tensors [0], mask = input_masks [0])) 150 output_masks = to_list (outbound_layer.compute_mask (input_tensors [0], input_masks [0])) 151 # TODO: intentar auto-inferir dar forma si la excepción es generada por get_output_shape_for

/usr/local/lib/python2.7/dist-packages/keras/layers/pooling.pyc in call (self, x, mask) 160 strides = self.strides, 161 border_mode = self.border_mode, -> 162 dim_ordering = self.dim_ordering) 163 retorno de salida 164

/usr/local/lib/python2.7/dist-packages/keras/layers/pooling.pyc en _pooling_function (auto, input, pool_size, strides, border_mode, dim_ordering) 210 border_mode, dim_ordering): 211 output = K.pool2d ( entradas, pool_size, strides, -> 212 border_mode, dim_ordering, pool_mode = ''max'') 213 devuelve salida 214

/usr/local/lib/python2.7/dist-packages/keras/backend/tensorflow_backend.pyc en pool2d (x, pool_size, strides, border_mode, dim_ordering, pool_mode) 1699 1700 if pool_mode == ''max'': -> 1701 x = tf.nn.max_pool (x, pool_size, strides, padding = padding) 1702 elif pool_mode == ''avg'': 1703
x = tf.nn.avg_pool (x, pool_size, strides, padding = padding)

/usr/local/lib/python2.7/dist-packages/tensorflow/python/ops/nn_ops.pyc en max_pool (valor, ksize, strides, padding, data_format, name) 1391 padding = padding, 1392
data_format = data_format, -> 1393 name = name) 1394 1395

/usr/local/lib/python2.7/dist-packages/tensorflow/python/ops/gen_nn_ops.pyc en _max_pool (entrada, ksize, strides, padding, data_format, name)
1593 result = _op_def_lib.apply_op ("MaxPool", input = input, ksize = ksize = 15s strides = strides, padding = padding, -> 1595 data_format = data_format, name = name) 1596 resultado de retorno 1597

/usr/local/lib/python2.7/dist-packages/tensorflow/python/framework/op_def_library.pyc in apply_op (self, op_type_name, name, ** keywords) 747 op = g.create_op (op_type_name, entradas, output_types, name = scope, 748 input_types = input_types, attrs = attr_protos, -> 749 op_def = op_def) 750 resultados = op.outputs 751 return _Restructure (ops.convert_n_to_tensor (resultados),

/usr/local/lib/python2.7/dist-packages/tensorflow/python/framework/ops.pyc en create_op (self, op_type, input, dtypes, input_types, name, attrs, op_def, compute_shapes, compute_device) 2388
original_op = self._default_original_op, op_def = op_def) 2389 si compute_shapes: -> 2390 set_shapes_for_outputs (ret) 2391 self._add_op (ret) 2392
self._record_op_seen_by_control_dependencies (ret)

/usr/local/lib/python2.7/dist-packages/tensorflow/python/framework/ops.pyc en set_shapes_for_outputs (op) 1783 raise RuntimeError ("No hay función de forma registrada para la operación estándar:% s" 1784
% op.type) -> 1785 formas = shape_func (op) 1786 si las formas son Ninguna: 1787 aumenta RuntimeError (

/usr/local/lib/python2.7/dist-packages/tensorflow/python/framework/common_shapes.pyc en call_cpp_shape_fn (op, input_tensors_trol.planto de las personas). (mensaje de error) 597 598 # Convertir los valores de TensorShapeProto en output_shapes.

ValueError: Tamaño de dimensión negativo causado al restar 2 de 1 para ''MaxPool_7'' (op: ''MaxPool'') con formas de entrada: [?, 1,112,128].

Añadiendo el error solucionado dim_ordering para mí:

model.add(MaxPooling2D(pool_size=(2, 2), dim_ordering="th"))

Al citar una respuesta mencionada en github , debe especificar el orden de dimensión:

Keras es un contenedor sobre las bibliotecas Theano o Tensorflow. Keras usa la variable de configuración image_dim_ordering para decidir si la capa de entrada es Theano o Tensorflow. Esta configuración se puede especificar de 2 maneras:

  1. especifique ''tf'' o ''th'' en ~/.keras/keras.json como así - image_dim_ordering: ''th'' . Nota: este es un archivo json .
  2. o especifique image_dim_ordering en su modelo así: model.add(MaxPooling2D(pool_size=(2, 2), dim_ordering="th"))

Apéndice: image_dim_ordering en modo ''th'' la dimensión de los canales (la profundidad) está en el índice 1 (por ejemplo, 3, 256, 256). En ''tf'' modo ''tf'' está en el índice 3 (por ejemplo, 256, 256, 3). Citando a @naoko de los comentarios.

Está utilizando la forma de entrada ya que (3, x, y) debería cambiarla a input_shape = x, y, 3

La respuesta aceptada funciona. Pero también puedes hacer lo siguiente:

model.add(MaxPooling2D((2, 2), name=''block1_pool'', data_format=''channels_last'')

Keras asume que la entrada es (width, height, channels) para el backend TensorFlow y (channel, width, height) para el backendo Theano. Desde su input_shape=(3,224,224) , especificar data_format=''channels_last'' debería hacer el truco.

Para keras con TensorFlow intente lo siguiente:

model.add(ZeroPadding2D((1, 1), input_shape=(img_rows, img_cols, channel)))

También encontré el mismo problema al cargar un modelo VGG entrenado. Así que acabo de tomar la transposición de las imágenes de prueba. el comando real se da a continuación:

kerasImage = kerasImage.transpose(1,2,0)