1. Error
在使用Keras.layers.convolutional.Convolution2D的时候
|
1
|
Convolution2D(32, 5, 5, border_mode='valid', input_shape=(1, 28, 28), activation='relu')
|
报如下错误：
OverflowError: Range exceeds valid bounds
这是因为Keras配置图片通道顺序错误导致的。上面代码使用图片通道顺序是[channels][height][width]
2. 修改图片通道顺序
检查 ~/.keras/keras.json文件
|
1
2
|
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，要保证你使用的通道顺序和配置的通道顺序一致
或者通过这样修改
|
1
2
|
from keras import backend
backend.set_image_dim_ordering('th')
|
补充：Keras设置后端数据维度顺序
Keras是比较高级的深度学习框架，其对几个比较常见的主流深度学习框架的封装而来，也就是按照Keras的说法就是其后端是以Tensorflow、Theano和CNTK为基础封装而来。
CNTK我没做过多了解，tensorflow的tensor的维度顺序和Theano的维度顺序是不一样的，所以在使用Keras的时候要格外注意这一点，如果后端不同的话，设置的数据维度顺序也是要不一样的。
tensorflow的数据维度默认顺序是channels_last的好像，也就是说其一个tensor的数据维度是[samples，rows，cols，channels]，而Theano不同，其数据顺序是channels_first，也就是[samples，rows，cols，channels]，这个其实也就是这两个框架的不同而已，如果用keras来写深度学习模型的话，其实就只要设置好后端基本也没啥问题，也不必太考虑数据维度的问题。
但是Keras的数据维度是可以改变的，即使是使用tensorflow为后端，Keras的数据格式也可以是channels_first的，并且这个是可以通过配置文件来改，也可以通过代码来改的。
Keras的配置文件默认是在$HOME/.keras/keras.json，可以用txt编辑器打开直接修改后端配置的：
|
1
2
3
4
5
6
|
{
"floatx": "float32",
"epsilon": 1e-07,
"image_data_format": "channels_last",
"backend": "tensorflow"
}
|
这是我的windows下的配置信息，默认是以tensorflow为后端，数据格式是channels_last，但是我有个小项目是一开始是以Theano为后端来写的，本来就只要稍微改一下就好，但是因为只是这个项目需要改为Theano，所以我并没有直接改配置文件，而是在代码里修改后端，这里需要用到Keras的后端backend来实现，修改的代码如下：
|
1
2
3
|
from keras import backend as BK
BK.set_image_data_format("channels_first")
BK.set_image_dim_ordering("th")
|
这样设置之后再这个程序跑起来的时候其后端并不会被改变，改变的只是数据的维度顺序而已，而且仅仅是针对当前的程序，对其它程序是不影响的。
以上为个人经验，希望能给大家一个参考，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/autoliuweijie/article/details/53453978