Question

我在使用Keras和Python对3D CNN进行分类时遇到问题。我有一个包含JSON格式的模型的文件夹。我把这些模型读成Numpy数组。模型是25 * 25 * 25并且表示体素化模型的占用网格（每个位置表示位置（i，j，k）中的体素是否具有点或否），因此我只有1个输入通道，喜欢2D图像中的灰度图像。我的代码如下：

import numpy as np
from keras.models import Sequential
from keras.layers import Dense, Dropout, Activation, Flatten
from keras.layers import Convolution3D, MaxPooling3D
from keras.optimizers import SGD
from keras.utils import np_utils
from keras import backend as K

# Number of Classes and Epochs of Training
nb_classes = 3 # cube, cone or sphere
nb_epoch = 100
batch_size = 2

# Input Image Dimensions
img_rows, img_cols, img_depth = 25, 25, 25

# Number of Convolutional Filters to use
nb_filters = 32

# Convolution Kernel Size
kernel_size = [5,5,5]

X_train, Y_train = [], []

# Read from File
import os
import json

i=0
for filename in os.listdir(os.path.join(os.getcwd(), 'models')):
    with open(os.path.join(os.getcwd(), 'models', filename)) as f:
        file = f.readlines()
        json_file = '\n'.join(file)
        content = json.loads(json_file)
        occupancy = content['model']['occupancy']
        form = []
        for value in occupancy:
            form.append(int(value))
        final_model = [ [ [ 0 for i in range(img_rows) ]
                              for j in range(img_cols) ]
                              for k in range(img_depth) ]
        a = 0
        for i in range(img_rows):
            for j in range(img_cols):
                for k in range(img_depth):
                    final_model[i][j][k] = form[a]
                    a = a + 1
        X_train.append(final_model)
        Y_train.append(content['model']['label'])

X_train = np.array(X_train)
Y_train = np.array(Y_train)

# (1 channel, 25 rows, 25 cols, 25 of depth)
input_shape = (1, img_rows, img_cols, img_depth)

# Init
model = Sequential()

# 3D Convolution layer
model.add(Convolution3D(nb_filters, kernel_size[0], kernel_size[1], kernel_size[2],
                        input_shape=input_shape,
                        activation='relu'))

# Fully Connected layer
model.add(Flatten())
model.add(Dense(128,
          init='normal',
          activation='relu'))
model.add(Dropout(0.5))

# Softmax Layer
model.add(Dense(nb_classes,
                init='normal'))
model.add(Activation('softmax'))

# Compile
model.compile(loss='categorical_crossentropy',
              optimizer=SGD())

# Fit network
model.fit(X_train, Y_train, nb_epoch=nb_epoch,
         verbose=1)

在此之后，我收到以下错误

使用TensorFlow后端。 Traceback（最近一次调用最后一次）：文件   “/usr/local/lib/python3.6/site-packages/tensorflow/python/framework/common_shapes.py”   第670行，在_call_cpp_shape_fn_impl中       status）文件“/usr/local/Cellar/python3/3.6.0/Frameworks/Python.framework/Versions/3.6/lib/python3.6/contextlib.py”，   第89行，在退出       next（self.gen）文件“/usr/local/lib/python3.6/site-packages/tensorflow/python/framework/errors_impl.py”，   第469行，在raise_exception_on_not_ok_status中       pywrap_tensorflow.TF_GetCode（status））tensorflow.python.framework.errors_impl.InvalidArgumentError：否定   通过从'Conv3D'中减去5而导致的尺寸大小（op：   'Conv3D'）输入形状：[？，1,25,25,25]，[5,5,5,25,32]。

在处理上述异常期间，发生了另一个异常：

回溯（最近一次呼叫最后一次）：文件“CNN_3D.py”，第76行，in          activation ='relu'））文件“/usr/local/lib/python3.6/site-packages/keras/models.py”，第299行，in   加       layer.create_input_layer（batch_input_shape，input_dtype）文件“/usr/local/lib/python3.6/site-packages/keras/engine/topology.py”，   第401行，在create_input_layer中       self（x）文件“/usr/local/lib/python3.6/site-packages/keras/engine/topology.py”，   第572行，致电       self.add_inbound_node（inbound_layers，node_indices，tensor_indices）文件   “/usr/local/lib/python3.6/site-packages/keras/engine/topology.py”   第635行，在add_inbound_node中       Node.create_node（self，inbound_layers，node_indices，tensor_indices）文件   “/usr/local/lib/python3.6/site-packages/keras/engine/topology.py”   第166行，在create_node中       output_tensors = to_list（outbound_layer.call（input_tensors [0]，mask = input_masks [0]））文件   “/usr/local/lib/python3.6/site-packages/keras/layers/convolutional.py”   第1234行，正在通话中       filter_shape = self.W_shape）文件“/usr/local/lib/python3.6/site-packages/keras/backend/tensorflow_backend.py”，   第2831行，在conv3d       x = tf.nn.conv3d（x，kernel，strides，padding）文件“/usr/local/lib/python3.6/site-packages/tensorflow/python/ops/gen_nn_ops.py”，   第522行，在conv3d中       strides = strides，padding = padding，name = name）文件“/usr/local/lib/python3.6/site-packages/tensorflow/python/framework/op_def_library.py”，   第763行，在apply_op中       op_def = op_def）文件“/usr/local/lib/python3.6/site-packages/tensorflow/python/framework/ops.py”，   第2397行，在create_op中       set_shapes_for_outputs（ret）文件“/usr/local/lib/python3.6/site-packages/tensorflow/python/framework/ops.py”，   第1757行，在set_shapes_for_outputs中       shapes = shape_func（op）文件“/usr/local/lib/python3.6/site-packages/tensorflow/python/framework/ops.py”，   第1707行，在call_with_requiring中       return call_cpp_shape_fn（op，require_shape_fn = True）文件“/usr/local/lib/python3.6/site-packages/tensorflow/python/framework/common_shapes.py”，   第610行，在call_cpp_shape_fn中       debug_python_shape_fn，require_shape_fn）文件“/usr/local/lib/python3.6/site-packages/tensorflow/python/framework/common_shapes.py”，   第675行，在_call_cpp_shape_fn_impl中       提高ValueError（err.message）ValueError：通过输入从“Conv3D”（op：'Conv3D'）中减去5的5引起的负维度大小   形状：[？，1,25,25,25]，[5,5,5,25,32]。

我错误地得到了这个错误？

Answer 1

我认为问题在于您在Theano排序中设置输入形状，但您使用的是带有Tensorflow后端的Keras和Tensorflow img排序。此外，必须将y_train数组转换为分类标签。

更新的代码：

from keras.utils import np_utils
from keras import backend as K

if K.image_dim_ordering() == 'th':
    X_train = X_train.reshape(X_train.shape[0], 1, img_rows, img_cols, img_depth)
    input_shape = (1, img_rows, img_cols, img_depth)
else:
    X_train = X_train.reshape(X_train.shape[0], img_rows, img_cols, img_depth, 1)
    input_shape = (img_rows, img_cols, img_depth, 1)

Y_train = np_utils.to_categorical(Y_train, nb_classes)

添加这些行应该修复它。

3D卷积神经网络输入形状

1 个答案: