使用tf.keras.MaxPooling1D出现错误问题及解决

使用tf.keras.MaxPooling1D出现错误

错误如下

ValueError: Negative dimension size caused by subtracting 2 from 1 for 'pool_2/MaxPool' (op: 'MaxPool') with input shapes: [?,1,1,32].

首先了解MaxPooling1D

tf.layers.max_pooling1d(
    inputs,
    pool_size,
    strides,
    padding='valid',
    data_format='channels_last',
    name=None
)

用于1维输入的MaxPooling层

• pool_size:表示pooling window的大小

• strides:指定pooling操作的步长

• padding:一个字符串。padding的方法：string，valid或same，大小写不敏感。

• data_format:一个字符串，channels_last（默认）或channels_first中的一个，输入中维度的排序，channels_last对应于具有形状(batch, length, channels)的输入，而channels_first对应于具有形状(batch, channels, length)的输入。

• name:一个字符串，表示层的名称。

出现错误原因

是图片通道的问题，也就是”channels_last”和”channels_first”数据格式的问题。

input_shape=(3,28,28)是theano的写法，而tensorflow需要写出：(28,28,3)

其他人的处理方法

查了很多方法我的问题都没有解决：

法一：配置.keras下的keras.json文件，将channels_last修改为channels_first

{
"image_data_format" : "channels_first",
"epsilon": 1e-07,
"floatx": "float32",
"backend": "tensorflow"
}

法二：在运行代码前面加两行代码：

from keras import backend as K  
K.set_image_dim_ordering('tf') 

我的处理方法

直接在出现错误的代码中补充一个参数，加上data_format='channels_first'就可以啦，，

pool_4 = MaxPooling1D(pool_size=2, name='pool_4',data_format='channels_first')(conv_4)

注：此方法适用MaxPooling2D

MaxPooling1D和GlobalMaxPooling1D区别

import tensorflow as tf

from tensorflow import keras
input_shape = (2, 3, 4)
x = tf.random.normal(input_shape)
print(x)

y=keras.layers.GlobalMaxPool1D()(x)
print("*"*20)

print(y)
'''
 """Global average pooling operation for temporal data.

Examples:

>>> input_shape = (2, 3, 4)
 >>> x = tf.random.normal(input_shape)
 >>> y = tf.keras.layers.GlobalAveragePooling1D()(x)
 >>> print(y.shape)
 (2, 4)

Arguments:
   data_format: A string,
     one of `channels_last` (default) or `channels_first`.
     The ordering of the dimensions in the inputs.
     `channels_last` corresponds to inputs with shape
     `(batch, steps, features)` while `channels_first`
     corresponds to inputs with shape
     `(batch, features, steps)`.

Call arguments:
   inputs: A 3D tensor.
   mask: Binary tensor of shape `(batch_size, steps)` indicating whether
     a given step should be masked (excluded from the average).

Input shape:
   - If `data_format='channels_last'`:
     3D tensor with shape:
     `(batch_size, steps, features)`
   - If `data_format='channels_first'`:
     3D tensor with shape:
     `(batch_size, features, steps)`

Output shape:
   2D tensor with shape `(batch_size, features)`.
 """
'''

print("--"*20)

input_shape = (2, 3, 4)
x = tf.random.normal(input_shape)
print(x)

y=keras.layers.MaxPool1D(pool_size=2,strides=1)(x)  # strides 不指定 默认等于 pool_size
print("*"*20)

print(y)

输出如下图 上图GlobalMaxPool1D 相当于给每一个样本每列的最大值

而MaxPool1D就是普通的对每一个样本进行一个窗口（1D是一维列窗口）滑动取最大值。

来源：https://blog.csdn.net/IMWTJ123/article/details/111505651