Keras CNN图像和内核大小不匹配，即使在图像转换为fi之后

Question

我尝试运行一个类似于Keras documantation "VGG-like convnet"中的CNN，但是它是一个自定义的图像集和二进制分类，而不是10个类的输出。在

当我试图适应CNN时，我得到了一个冗长的错误，我认为这是告诉我我的输入图像大小不是适合CNN输入的大小。在

ValueError: GpuDnnConv images and kernel must have the same stack size

Apply node that caused the error: GpuDnnConv{algo='small', inplace=True}(GpuContiguous.0, GpuContiguous.0, GpuAllocEmpty.0, GpuDnnConvDesc{border_mode='valid', subsample=(1, 1), conv_mode='conv', precision='float32'}.0, Constant{1.0}, Constant{0.0})
Toposort index: 130
Inputs types: [CudaNdarrayType(float32, 4D), CudaNdarrayType(float32, 4D), CudaNdarrayType(float32, 4D), <theano.gof.type.CDataType object at 0x7f0eefc8d790>, Scalar(float32), Scalar(float32)]
Inputs shapes: [(32, 232, 300, 3), (300, 1, 3, 3), (32, 300, 298, 1), 'No shapes', (), ()]
Inputs strides: [(208800, 900, 3, 1), (9, 0, 3, 1), (89400, 298, 1, 0), 'No strides', (), ()]
Inputs values: ['not shown', 'not shown', 'not shown', <PyCObject object at 0x7f0efaba8e68>, 1.0, 0.0]
Inputs name: ('image', 'kernel', 'output', 'descriptor', 'alpha', 'beta')

问题是我认为我重新塑造了我所有的形象。我的输入是4000个232x300 px RBG图像的堆栈，输出是4000个布尔值的数组。在

输入：im_list.shape Out[49]: (4000, 232, 300, 3)

输出：np.asarray(cls).shape Out[50]: (4000,)

这是建立CNN的功能

^{pr2}$

我的头撞到墙上的时间太长了，我想可能是别人有这个问题。有什么想法吗？提前谢谢。在

Answer 1

您将输入指定为(depth,width,height)。所以数组必须有(N,depth,width,height)维，其中N是训练示例的数量。在

实际传递的输入(4000, 232, 300, 3)不匹配。它应该被重塑成(4000, depth, width, height)。这意味着您必须调整每个图像的大小，并重新排列轴。在

Answer 2

上面的回答是正确的：对后人来说，我的问题是用一个简单的方法解决的：

im_list = im_list.transpose((0,3,1,2))