python keras Convolution2D 层无法正常工作并得到错误的结果
python keras Convolution2D layer works not correctly and gets a wrong result
from keras.models import Sequential
from keras.layers import Convolution2D
model = Sequential()
model.add(Convolution2D(64, 3, 3, border_mode='same', input_shape=(3, 256, 256)))
This example 说：
now model.output_shape == (None, 64, 256, 256)
但是在我的控制台中，我得到了结果 model.output_shape == (None, 3, 256, 64)
我相信一定有其他人得到了同样的错误结果，有人解决了这个问题吗？
dim_ordering: 'th' or 'tf'. In 'th' mode, the channels dimension (the depth) is at index 1, in 'tf' mode is it at index 3. It defaults to the image_dim_ordering value found in your Keras config file at ~/.keras/keras.json. If you never set it, then it will be "tf".
所以你的 input_shape 就像 theano 的一样，你的输出看起来像你的后端是 tensorflow。如果您想像这样使用它，请将您的 convolution2D 层更改为：
model.add(Convolution2D(64, 3, 3, border_mode='same', input_shape=(3, 256, 256), dim_ordering='th'))
或更改图像，使输入形状为 (256,256,3)。
你的问题表述不是很清楚，你没有提供太多信息，顺便说一句，显示非常激进。
from keras.models import Sequential
from keras.layers import Convolution2D
model = Sequential()
model.add(Convolution2D(64, 3, 3, border_mode='same', input_shape=(3, 256, 256)))
This example 说：
now
model.output_shape == (None, 64, 256, 256)
但是在我的控制台中，我得到了结果 model.output_shape == (None, 3, 256, 64)
我相信一定有其他人得到了同样的错误结果，有人解决了这个问题吗？
dim_ordering: 'th' or 'tf'. In 'th' mode, the channels dimension (the depth) is at index 1, in 'tf' mode is it at index 3. It defaults to the image_dim_ordering value found in your Keras config file at ~/.keras/keras.json. If you never set it, then it will be "tf".
所以你的 input_shape 就像 theano 的一样，你的输出看起来像你的后端是 tensorflow。如果您想像这样使用它，请将您的 convolution2D 层更改为：
model.add(Convolution2D(64, 3, 3, border_mode='same', input_shape=(3, 256, 256), dim_ordering='th'))
或更改图像，使输入形状为 (256,256,3)。
你的问题表述不是很清楚，你没有提供太多信息，顺便说一句，显示非常激进。