我在Keras中使用Input_shape(256,256,4)训练了一个CNN模型。但为了在测试大图像时减少测试时间，我想将输入大小改为更大的(512,512,4)。

我手动更改了.json文件中的输入形状，并使用

model = model_from_json(json file)

，然后使用

model=load_weights(weights file)

我得到了以下错误：

ValueError: 检查时出错：期望input_9的形状为(None, 512, 512, 4)，但得到的数组形状为(1, 256, 256, 4)

我使用了两种不同类型的权重文件，一种由Modelcheckpoint()保存，另一种由model.save_weights()保存。但也引发了错误。

有人能帮我吗？提前感谢。

回答：

从你得到的错误消息来看，更改尺寸并没有问题。

但是你定义了一个静态形状(512,512,4)。这是你的模型所期望的大小，尽管它是一个完全卷积的模型，支持不同的尺寸。

根据这个链接，你应该能够通过使用None来定义此类模型的可变尺寸。因此，你不应该使用(512,512,4)，而应该使用input_shape=(None,None,4)。

这样，模型将不会期望静态尺寸。但只有完全卷积的模型可以接受两种不同尺寸的完全相同的权重。（例如，密集层不能做到这一点）

然而，对于训练/测试，你应该按大小分离你的批次，因为numpy数组不支持可变形状。你可以使用这个答案来实现这一点。