ValueError: Operands could not be broadcast together with shapes (54, 54, 128) (54, 54, 64)

Question

我写了一个包含三个卷积层的 ResNet 块：

def res_net_block(input_data, filters, kernel_size):
kernel_middle = kernel_size + 2
filters_last_layer = filters * 2

x = Conv2D(filters, kernel_size, activation = 'relu', padding = 'same')(input_data)   #64, 1x1 
x = BatchNormalization()(x)

x = Conv2D(filters, kernel_middle, activation = 'relu', padding = 'same')(x)          #64, 3x3
x = BatchNormalization()(x)

x = Conv2D(filters_last_layer, kernel_size, activation = None, padding = 'same')(x)   #128, 1x1 
x = BatchNormalization()(x)

x = Add()([x, input_data])

x = Activation('relu')(x)
return x

当我将它添加到我的模型时，我收到此错误：ValueError：操作数无法与形状一起广播 (54, 54, 128) (54, 54, 64)

到目前为止，这是我的模型：

inputs = Input(shape = (224, 224, 3))
model = Conv2D(filters = 64, kernel_size = 7, strides = 2, activation = 'relu')(inputs)
model = BatchNormalization()(model)
model = MaxPool2D(pool_size = 3, strides = 2)(model)
for i in range(num_res_net_blocks):
    model = res_net_block(model, 64, 1)

我认为问题出在 ResNet 块中的这一行：

x = Add()([x, input_data])

输入数据与 x 的维度不同。但我不知道如何解决这个问题。非常感谢您的帮助。

Answer 1

错误是由于添加了两个不同维度的张量 - (54, 54, 128) & (54, 54, 64).为了执行张量加法，输入维度必须沿所有轴相同。这是来自 Keras Add() doc 的相同注释：

Quote: "keras.layers.Add() ... 它将张量列表作为输入，所有形状相同，returns 单个张量（也是同样的形状）"

为了执行残差加法，您需要确保两个张量（一个沿着恒等路径，一个在残差路径）具有相同的维度。作为调试错误的简单解决方案，在最终的 Conv2D 中将 filters_last_layer 替换为 filters 以获得残差（x）和恒等张量（input_data）具有相同的形状 (54, 54, 64).

希望对您有所帮助！ :)

ValueError: Operands could not be broadcast together with shapes (54, 54, 128) (54, 54, 64)

ValueError: Operands could not be broadcast together with shapes (54, 54, 128) (54, 54, 64)

neural-network

conv-neural-network

tensorflow2.0

tf.keras

resnet