1. Error

在使用Keras.layers.convolutional.Convolution2D的時候

Convolution2D(32, 5, 5, border_mode='valid', input_shape=(1, 28, 28), activation='relu')

報如下錯誤：

OverflowError: Range exceeds valid bounds

這是因為Keras配置圖片通道順序錯誤導致的。上面代碼使用圖片通道順序是[channels][height][width]

2. 修改圖片通道順序

檢查 ~/.keras/keras.json文件

if "image_dim_ordering": is "th" and "backend": "theano", your input_shape must be (channels, height, width)
if "image_dim_ordering": is "tf" and "backend": "tensorflow", your input_shape must be (height, width, channels)

所以，要保證你使用的通道順序和配置的通道順序一致

或者通過這樣修改

from keras import backend
backend.set_image_dim_ordering('th')

補充：Keras設(shè)置后端數(shù)據(jù)維度順序

Keras是比較高級的深度學習框架，其對幾個比較常見的主流深度學習框架的封裝而來，也就是按照Keras的說法就是其后端是以Tensorflow、Theano和CNTK為基礎(chǔ)封裝而來。

CNTK我沒做過多了解，tensorflow的tensor的維度順序和Theano的維度順序是不一樣的，所以在使用Keras的時候要格外注意這一點，如果后端不同的話，設(shè)置的數(shù)據(jù)維度順序也是要不一樣的。

tensorflow的數(shù)據(jù)維度默認順序是channels_last的好像，也就是說其一個tensor的數(shù)據(jù)維度是[samples，rows，cols，channels]，而Theano不同，其數(shù)據(jù)順序是channels_first，也就是[samples，rows，cols，channels]，這個其實也就是這兩個框架的不同而已，如果用keras來寫深度學習模型的話，其實就只要設(shè)置好后端基本也沒啥問題，也不必太考慮數(shù)據(jù)維度的問題。

但是Keras的數(shù)據(jù)維度是可以改變的，即使是使用tensorflow為后端，Keras的數(shù)據(jù)格式也可以是channels_first的，并且這個是可以通過配置文件來改，也可以通過代碼來改的。

Keras的配置文件默認是在$HOME/.keras/keras.json，可以用txt編輯器打開直接修改后端配置的：

{
    "floatx": "float32",
    "epsilon": 1e-07,
    "image_data_format": "channels_last",
    "backend": "tensorflow"
}

這是我的windows下的配置信息，默認是以tensorflow為后端，數(shù)據(jù)格式是channels_last，但是我有個小項目是一開始是以Theano為后端來寫的，本來就只要稍微改一下就好，但是因為只是這個項目需要改為Theano，所以我并沒有直接改配置文件，而是在代碼里修改后端，這里需要用到Keras的后端backend來實現(xiàn)，修改的代碼如下：

from keras import backend as BK
BK.set_image_data_format("channels_first")
BK.set_image_dim_ordering("th")

這樣設(shè)置之后再這個程序跑起來的時候其后端并不會被改變，改變的只是數(shù)據(jù)的維度順序而已，而且僅僅是針對當前的程序，對其它程序是不影響的。

以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。

最新評論