输出形状与实际形状的差值

Question

我试着用预先训练过的ResNet50（包含在keras.应用) 为此，我使用了模型的get_layer方法。这样地。在

input = Input(  (224, 224 , 3) )
resnet = ResNet50(weights='imagenet', pooling=max, include_top = False , input_tensor=input  )
firstconv = resnet.get_layer("conv1")

然后我打印出firstconv的形状：

^{pr2}$

我得到了预期的结果（根据模型.摘要() ) : (?，112，112，64）

然后在后面的代码中，我调用输入张量上的firstconv层：

x = firstconv( inputs )

然后我打印这个x的形状，得到（？）？，109，109，64）之后，代码因形状冲突而中断。在

我想知道为什么会发生这种情况，以及我如何解决它。我仍然在学习keras和deep learning，也许我尝试访问Resnet50内部层的方式有问题。在

提前谢谢

我使用从pip安装的ubuntu14.04、keras2.1.4和tensorflow1.6作为Keras的后端。在

编辑：

        self.input = Input(  (224, 224 , 3) )

        self.resnet = ResNet50(weights='imagenet', pooling=max, include_top = False , input_tensor=self.input  )

        for layer in self.resnet.layers:
            layer.trainable = False 
        self.firstconv = self.resnet.get_layer("conv1")
        print(" first convt output ") 
        # this outputs (? , 112 , 112 , 3) , the desired shape
        print( self.firstconv.output_shape )
        ... later on the code 
        x = self.firstconv( self.input) 
        print( x.shape ) 
        # this outputs ( ? , 109 , 109 , 64 ), but the expected shape is ( ? , 112 , 112 , 64 )

就是这样。在代码之间我什么也不做self.firstconv公司或输入

Answer 1

我发现这个案子有点奇怪。在

我在两台不同的机器上工作resnet.摘要（）在第一台（在家里）中，它告诉我restnet模型的第一层是conv1，所以我把这个信息记在心里，准备在另一台机器上工作，后来经过多次尝试，我终于在第二台机器上意识到了这一点Resnet的第一层是conv1d_pad，该层接收（224224224,3）输入并将其转换为（230，230，3），这就是畸形问题的根源。我仍然不知道为什么会有这种差异，但我能够克服这个问题。在

Answer 2

ResNet50示例代码

model = ResNet50(weights = "imagenet",
                 include_top = False,
                 input_shape = (224,224, 3))
for layer in model.layers:
    layer.trainable = False
x = model.output
# flatten outputs of resnet
x = Flatten()(x)
# add a fully connected layer
predictions = Dense(1, activation = "sigmoid")(x)
# build the model
model_final = Model(inputs = model.input, outputs = predictions)

您的描述对于如何重现该问题和代码的用途有点模糊。这里的示例代码给出了使用ResNet50处理输入和输出的正确方法。在