我正在创建一个CNN,第一个隐藏层的大小为80,其余的conv层的大小为160,最后一个隐藏层的大小为128。但我不断地遇到一条错误消息,我真的不知道它是什么意思。输入数据的形状是(80,80,1),这是我输入到神经网络的
以下是创建CNN的代码:
if start_model is not None:
model = load_model(start_model)
else:
def res_net_block(input_layers, conv_size, hm_filters, hm_strides):
x = Conv2D(conv_size, kernel_size=hm_filters, strides=hm_strides, activation="relu", padding="same")(input_layers)
x = BatchNormalization()(x)
x = Conv2D(conv_size, kernel_size=hm_filters, strides=hm_strides, activation=None, padding="same")(x)
x = Add()([x, input_layers]) # Creates resnet block
x = Activation("relu")(x)
return x
input = keras.Input(i_shape)
x = Conv2D(80, kernel_size=8, strides=4, activation="relu")(input)
x = BatchNormalization()(x)
for i in range(3):
x = res_net_block(x, 160, 4, 2)
x = Conv2D(160, kernel_size=4, strides=2, activation="relu")(x)
x = BatchNormalization()(x)
x = Flatten(input_shape=(np.prod(window_size), 1, 1))(x)
x = Dense(128, activation="relu")(x)
output = Dense(action_space_size, activation="linear")(x)
model = keras.Model(input, output)
model.compile(optimizer=Adam(lr=0.01), loss="mse", metrics=["accuracy"])
顺便说一句,错误消息位于代码中的x = Add()([x, input_layers])
如果使用
kernel_size
>;1和strides
>;1输出的维度将小于输入的维度例如:
将获取维度
(32,32,1)
的输入,并给出维度(28,28,6)
的输出。 如果您试图将其添加到ResNet样式的快捷方式块中,这会导致出现问题,因为不清楚如何添加到不同维度的张量有几种方法可以解决这个问题
Conv2D
中使用的步幅相同的步幅,减小快捷块的大小Conv2D
中的筛选器数相同相关问题 更多 >
编程相关推荐