回答此问题可获得 20 贡献值,回答如果被采纳可获得 50 分。
<p>我尝试运行一个类似于<a href="http://keras.io/examples/" rel="nofollow">Keras documantation "VGG-like convnet"</a>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</p>
<p>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</p>
<pre><code>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')
</code></pre>
<p>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</p>
<p><strong>输入</strong>:<code>im_list.shape
Out[49]: (4000, 232, 300, 3)</code></p>
<p><strong>输出</strong>:<code>np.asarray(cls).shape
Out[50]: (4000,)</code></p>
<p>这是建立CNN的功能</p>
^{pr2}$
<p>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</p>