Dekonvolution unter Keras Probleme

Question

Ich versuche, die Deconvolution2D von Keras mit Tensorflow-Backend zu verwenden.

Aber ich habe ein paar Probleme. Zuerst wird in der output_shape, wenn ich keine für das batch_size passieren, bekomme ich diesen Fehler:

TypeError: Expected binary or unicode string, got None 

Und wenn ich keine Größe des Charge ändern, die ich verwende, hier ist der Fehler ..:

InvalidArgumentError (see above for traceback): Conv2DCustomBackpropInput: input and out_backprop must have the same batch size 
[[Node: conv2d_transpose = Conv2DBackpropInput[T=DT_FLOAT, data_format="NHWC", padding="VALID", strides=[1, 2, 2, 1], use_cudnn_on_gpu=true, _device="/job:localhost/replica:0/task:0/cpu:0"](conv2d_transpose/output_shape, transpose, Reshape_4)]] 

Hier

ist das Modell, das ich verwenden:

model = Sequential() 

reg = lambda: l1l2(l1=1e-7, l2=1e-7) 
h = 5 
model.add(Dense(input_dim=100, output_dim=nch * 4 * 4, W_regularizer=reg())) 
model.add(BatchNormalization(mode=0)) 
model.add(Reshape((4, 4, nch))) 
model.add(Deconvolution2D(256, h,h, output_shape=(128,8,8,256), subsample=(2,2), border_mode='same')) 
model.add(BatchNormalization(mode=0, axis=1)) 
model.add(LeakyReLU(0.2)) 
model.add(Deconvolution2D(256, h,h, output_shape=(128,16,16,256), subsample=(2,2), border_mode='same')) 
model.add(BatchNormalization(mode=0, axis=1)) 
model.add(LeakyReLU(0.2)) 
model.add(Deconvolution2D(64, h,h, output_shape=(128,32,32,64), subsample=(2,2), border_mode='same')) 
model.add(BatchNormalization(mode=0, axis=1)) 
model.add(LeakyReLU(0.2)) 
model.add(Convolution2D(3, h, h, border_mode='same', W_regularizer=reg())) 
model.add(Activation('sigmoid')) 
model.summary() 

Answer 1

das war ein Ärgernis mit Entfaltungs in früheren Versionen von Keras, immer einer festen Losgröße ergeben und manuell berechnet output_shape. Dies bedeutete auch, dass die Größe Ihres Datensatzes durch "Batch_Size" teilbar sein musste oder dass bei der letzten (kleineren) Charge ein Fehler auftreten würde.

Glücklicherweise wurde dies in Keras 2.0 behoben. Deconvolution2D wurde von Conv2DTranspose ersetzt und Sie müssen nicht einmal als Argument geben output_shape mehr:

model.add(Conv2DTranspose(filters=256, kernel_size=(h,h), strides=(2,2), padding='same'))