Question

我正在尝试在keras中复制VGG16模型，以下是我的代码：

model = Sequential()
model.add(ZeroPadding2D((1,1),input_shape=(3,224,224)))
model.add(Convolution2D(64, 3, 3, activation='relu'))
model.add(ZeroPadding2D((1,1)))
model.add(Convolution2D(64, 3, 3, activation='relu'))
model.add(MaxPooling2D((2,2), strides=(2,2)))
model.add(ZeroPadding2D((1,1)))
model.add(Convolution2D(128, 3, 3, activation='relu'))
model.add(ZeroPadding2D((1,1)))
model.add(Convolution2D(128, 3, 3, activation='relu'))
model.add(MaxPooling2D((2,2), strides=(2,2))) ###This line gives error
model.add(ZeroPadding2D((1,1)))
model.add(Convolution2D(256, 3, 3, activation='relu'))
model.add(ZeroPadding2D((1,1)))
model.add(Convolution2D(256, 3, 3, activation='relu'))
model.add(ZeroPadding2D((1,1)))
model.add(Convolution2D(256, 3, 3, activation='relu'))
model.add(MaxPooling2D((2,2), strides=(2,2)))
model.add(ZeroPadding2D((1,1)))
model.add(Convolution2D(512, 3, 3, activation='relu'))
model.add(ZeroPadding2D((1,1)))
model.add(Convolution2D(512, 3, 3, activation='relu'))
model.add(ZeroPadding2D((1,1)))
model.add(Convolution2D(512, 3, 3, activation='relu'))
model.add(MaxPooling2D((2,2), strides=(2,2)))
model.add(ZeroPadding2D((1,1)))
model.add(Convolution2D(512, 3, 3, activation='relu'))
model.add(ZeroPadding2D((1,1)))
model.add(Convolution2D(512, 3, 3, activation='relu'))
model.add(ZeroPadding2D((1,1)))
model.add(Convolution2D(512, 3, 3, activation='relu'))
model.add(MaxPooling2D((2,2), strides=(2,2)))
model.add(Flatten())
model.add(Dense(4096, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(4096, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(1000, activation='softmax'))

maxpooling2d层在注释的行上给出错误

错误提示：

ValueError: Negative dimension size caused by subtracting 2 from 1 for 'MaxPool_7' (op: 'MaxPool') with input shapes: [?,1,112,128].

这可能是什么原因？如何解决呢？

编辑：更详细的错误日志：

（）中的ValueError Traceback（最近一次通话最后一次）（）12 model.add（Convolution2D（128，3，3，activation ='relu'））13-> 14 model.add（MaxPooling2D（（2,2），strides） =（2,2）））15 16 model.add（ZeroPadding2D（（1,1）））

/usr/local/lib/python2.7/dist-packages/keras/models.pyc在add（self，layer）306 output_shapes = [self.outputs [0] ._ keras_shape]）307其他：-> 308 output_tensor = layer（self.outputs [0]）309如果type（output_tensor）被列出：310 throw Exception（“顺序模型中的所有层”

/usr/local/lib/python2.7/dist-packages/keras/engine/topology.pyc在调用中 （self，x，mask）512如果inbound_layers：513＃必要时将调用layer.build（）-> 514 self.add_inbound_node（inbound_layers，node_indices，tensor_indices）515 input_added = True 516

在add_inbound_node（self，inbound_layers，node_indices，tensor_indices）中的/usr/local/lib/python2.7/dist-packages/keras/engine/topology.pyc 570＃创建节点会自动更新self.inbound_nodes 571＃以及outbound_nodes入站层。 -> 572 Node.create_node（self，inbound_layers，node_indices，tensor_indices）573574 def get_output_shape_for（self，input_shape）：

create_node（cls，outbound_layer，inbound_layers，node_indices，tensor_indices）中的/usr/local/lib/python2.7/dist-packages/keras/engine/topology.pyc 147148如果len（input_tensors）== 1：-> 149 output_tensors = to_list（outbound_layer.call（input_tensors [0]，mask = input_masks [0]））150 output_masks = to_list（outbound_layer.compute_mask（input_tensors [0]，input_masks [0]））151＃TODO：尝试自动推断形状，如果get_output_shape_for引发异常

/usr/local/lib/python2.7/dist-packages/keras/layers/pooling.pyc在调用中（self，x，mask）160 strides = self.strides，161 border_mode = self.border_mode，-> 162 dim_ordering = self.dim_ordering）163返回输出164

_pooling_function中的/usr/local/lib/python2.7/dist-packages/keras/layers/pooling.pyc（自身，输入，pool_size，步幅，border_mode，dim_ordering）210 border_mode，dim_ordering）：211输出= K.pool2d（输入，pool_size，步幅，-> 212 border_mode，dim_ordering，pool_mode ='max'）213返回输出214

pool2d中的/usr/local/lib/python2.7/dist-packages/keras/backend/tensorflow_backend.pyc(x、pool_size、stride、border_mode、dim_ordering、pool_mode）1699 1700如果pool_mode =='max'：-> 1701 x = tf.nn.max_pool（x，pool_size，步幅，填充=填充）1702 elif pool_mode =='avg'：1703
x = tf.nn.avg_pool（x，pool_size，步幅，填充=填充）

max_pool中的/usr/local/lib/python2.7/dist-packages/tensorflow/python/ops/nn_ops.pyc（值，ksize，跨度，填充，数据格式，名称）1391 padding = padding，1392
data_format =数据格式，-> 1393 name = name）1394 1395

_max_pool中的/usr/local/lib/python2.7/dist-packages/tensorflow/python/ops/gen_nn_ops.pyc（输入，ksize，跨距，填充，data_format，名称）
1593结果= _op_def_lib.apply_op（“ MaxPool”，输入=输入，ksize = ksize，1594步幅=步幅，填充=填充，-> 1595 data_format = data_format，name = name）1596返回结果1597

/usr/local/lib/python2.7/dist-packages/tensorflow/python/framework/op_def_library.pyc在apply_op（自己，op_type_name，名称，**关键字）中747 op = g.create_op（op_type_name，输入，output_types，名称=范围，748个input_types = input_types，attrs = attr_protos，-> 749 op_def = op_def）750个输出= op.outputs 751 return _Restructure（ops.convert_n_to_tensor（outputs），

/usr/local/lib/python2.7/dist-packages/tensorflow/python/framework/ops.pyc在create_op（自身，op_type，输入，dtypes，input_types，名称，attrs，op_def，compute_shapes，compute_device）2388
original_op = self._default_original_op，op_def = op_def）2389如果compute_shapes：-> 2390 set_shapes_for_outputs（ret）2391 self._add_op（ret）2392
self._record_op_seen_by_control_dependencies（ret）

set_shapes_for_outputs（op）中的/usr/local/lib/python2.7/dist-packages/tensorflow/python/framework/ops.pyc 1783提高RuntimeError（“没有为标准op注册形状函数：％s” 1784
％op.type）-> 1785形状= shape_func（op）1786如果形状为None：1787提高RuntimeError（

/usr/local/lib/python2.7/dist-packages/tensorflow/python/framework/common_shapes.pyc在call_cpp_shape_fn（op，input_tensors_needed，debug_python_shape_fn）594状态）中除错误以外595.InvalidArgumentError为错误：-> 596引发ValueError （err.message）597 598＃在output_shapes中转换TensorShapeProto值。

ValueError：负尺寸大小是由于输入形状为[？，1,112,128]的'MaxPool_7'（op：'MaxPool'）从1中减去2引起的。