3D 卷积神经网络输入形状

我在使用 3D CNN 提供数据时遇到问题Keras http://keras.io和 Python 对 3D 形状进行分类。我有一个文件夹，其中包含一些 JSON 格式的模型。我将这些模型读入 Numpy 数组。模型为 25*25*25，表示体素化模型的占用网格（每个位置表示位置 (i,j,k) 中的体素是否有点），所以我只有 1 个输入通道，就像二维图像中的灰度图像一样。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)

之后，我收到以下错误

使用 TensorFlow 后端。回溯（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 状态）文件“/usr/local/Cellar/python3/3.6.0/Frameworks/Python.framework/Versions/3.6/lib/python3.6/contextlib.py”， 89 号线，在exit下一个（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（状态））tensorflow.python.framework.errors_impl.InvalidArgumentError：负数 'Conv3D' 的 1 减去 5 产生的尺寸大小（操作： 'Conv3D'），输入形状：[?,1,25,25,25]，[5,5,5,25,32]。

在处理上述异常的过程中，又出现了一个异常：

回溯（最近一次调用最后一次）：文件“CNN_3D.py”，第 76 行，位于 激活='relu'））文件“/usr/local/lib/python3.6/site-packages/keras/models.py”，第299行，在 添加 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，在callself.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”， 1234线，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 中 x = tf.nn.conv3d(x, 内核, 步幅, 填充) 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_requireing 中 返回 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 raise ValueError(err.message) ValueError：由于输入的“Conv3D”（操作：“Conv3D”）从 1 减去 5 导致负尺寸大小 形状：[?,1,25,25,25],[5,5,5,25,32]。

我做错了什么才会出现这个错误？

我认为问题在于您在 Theano 排序中设置输入形状，但您正在使用带有 Tensorflow 后端和 Tensorflow img 排序的 Keras。此外，y_train 数组必须转换为分类标签。

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)

添加这一行应该可以修复它。