我在尝试向我的头模型中添加Conv2D和MaxPooling，但似乎无法成功

headModel = baseModel.outputheadModel = (Conv2D(448,(3,3),input_shape=data.shape[1:]))(headModel)headModel = (MaxPooling2D(pool_size=(7,7)))(headModel)headModel = Flatten(name="flatten")(headModel)headModel = Dense(128, activation="relu")(headModel)headModel = Dropout(0.5)(headModel)headModel = Dense(2, activation="softmax")(headModel)

在添加Conv2D之前，MaxPooling2D工作得很好，但一旦我添加了Conv2D，就出现了以下错误

由于从5中减去7导致负维度大小，导致错误 ‘{{node max_pooling2d_6/MaxPool}} = MaxPoolT=DT_FLOAT, data_format=”NHWC”, explicit_paddings=[], ksize=[1, 7, 7, 1], padding=”VALID”, strides=[1, 7, 7, 1]’ 输入形状为 [?,5,5,448]。在处理上述异常时，发生了另一个异常：ValueError Traceback (most recent call last)

理想情况下，我希望有2个MaxPooling层和2个Conv2D层，以便我可以拥有类似于这样的CNN架构

谢谢

回答：

你可以设置 padding='same'，这将向特征图添加零填充，从而保留特征图的维度。

异常（如问题中所述）发生在你试图对一个无法进一步缩小的特征图执行卷积或最大池化操作时。例如，如果你的特征图大小为 (2, 2, 32)，那么你无法在其上执行内核大小为3的卷积（当padding=valid时）。