无法添加第四卷积层

问题描述

我对机器学习非常陌生，当我看卷积神经网络的教程时，我想独自尝试如何提高准确性。但是，当我尝试向模型添加另一个卷积和池化层时，它显示了一条错误消息。这是在我添加图层之前：

model = models.Sequential()
model.add(layers.Conv2D(32,(3,3),activation='relu',input_shape=(28,28,1)))
model.add(layers.MaxPooling2D((2,2)))
model.add(layers.Conv2D(64,activation='relu'))
model.add(layers.MaxPooling2D((2,activation='relu'))
model.add(layers.Flatten())
model.add(layers.Dense(64,activation='relu'))
model.add(layers.Dense(62))

这是在之后：

model = models.Sequential()
model.add(layers.Conv2D(32,activation='relu'))
model.add(layers.Dense(62))

这是它给我的错误消息：

ValueError：'{{node conv2d_36 / Conv2D}}的1中减去3导致的负尺寸大小= Conv2D [T = DT_FLOAT，data_format =“ NHWC”，膨胀= [1、1、1、1、1]，explicit_paddings = []，padding =“ VALID”，步幅= [1、1、1、1]，use_cudnn_on_gpu = true]（max_pooling2d_26 / MaxPool，conv2d_36 / Conv2D / ReadVariableOp）'，输入形状为[？，1,1,64 ]，[3,3,64,64]。 site：stackoverflow.com

解决方法

这是因为您在网络内部降低了太多维度。在卷积层中使用padding='same'来避免此尺寸错误

model = models.Sequential()
model.add(layers.Conv2D(32,(3,3),activation='relu',padding='same',input_shape=(28,28,1)))
model.add(layers.MaxPooling2D((2,2)))
model.add(layers.Conv2D(64,padding='same'))
model.add(layers.MaxPooling2D((2,padding='same'))
model.add(layers.Flatten())
model.add(layers.Dense(64,activation='relu'))
model.add(layers.Dense(62))

model.summary()