Check failed: shape[i] >= 0 (-1 vs. 0)错误

在使用Caffe模型进行图像分类时,通常使用的图像大小为224 * 224,如果改变输入图像的大小,有时候会碰到Check failed: shape[i] >= 0 (-1 vs. 0)错误。

  • 背景

使用ResNet-50进行图像分类训练,输入图像的大小为160 *160

  • 错误
I1013 10:53:03.395526 76959 net.cpp:129] Top shape: 16 2048 5 5 (819200)
I1013 10:53:03.395531 76959 net.cpp:137] Memory required for data: 1889075264
I1013 10:53:03.395539 76959 layer_factory.hpp:77] Creating layer res5c_relu
I1013 10:53:03.395553 76959 net.cpp:84] Creating Layer res5c_relu
I1013 10:53:03.395567 76959 net.cpp:406] res5c_relu <- res5c
I1013 10:53:03.395594 76959 net.cpp:367] res5c_relu -> res5c (in-place)
I1013 10:53:03.395841 76959 net.cpp:122] Setting up res5c_relu
I1013 10:53:03.395855 76959 net.cpp:129] Top shape: 16 2048 5 5 (819200)
I1013 10:53:03.395861 76959 net.cpp:137] Memory required for data: 1892352064
I1013 10:53:03.395869 76959 layer_factory.hpp:77] Creating layer pool5
I1013 10:53:03.395900 76959 net.cpp:84] Creating Layer pool5
I1013 10:53:03.395908 76959 net.cpp:406] pool5 <- res5c
I1013 10:53:03.395931 76959 net.cpp:380] pool5 -> pool5
F1013 10:53:03.396807 76959 blob.cpp:32] Check failed: shape[i] >= 0 (-1 vs. 0)
*** Check failure stack trace: ***
    @     0x7fa7eef89e6d  (unknown)
    @     0x7fa7eef8bced  (unknown)
    @     0x7fa7eef89a5c  (unknown)
    @     0x7fa7eef8c63e  (unknown)
    @     0x7fa7f6141829  caffe::Blob<>::Reshape()
    @     0x7fa7f6141581  caffe::Blob<>::Reshape()
    @     0x7fa7f6200958  caffe::PoolingLayer<>::Reshape()
    @     0x7fa7f61b14d8  caffe::CuDNNPoolingLayer<>::Reshape()
    @     0x7fa7f6167d29  caffe::Layer<>::SetUp()
    @     0x7fa7f6240213  caffe::Net<>::Init()
    @     0x7fa7f623e7ea  caffe::Net<>::Net()
    @     0x7fa7f62711e1  caffe::Solver<>::InitTrainNet()
    @     0x7fa7f6270a75  caffe::Solver<>::Init()
    @     0x7fa7f62705a7  caffe::Solver<>::Solver()
    @     0x7fa7f627dc66  caffe::SGDSolver<>::SGDSolver()
    @     0x7fa7f6287ab1  caffe::Creator_SGDSolver<>()
    @           0x4215f5  caffe::SolverRegistry<>::CreateSolver()
    @           0x41bdce  train()
    @           0x41e167  main
    @     0x7fa7e20eeb35  __libc_start_main
    @           0x41aa69  (unknown)
  • 解决方案

错误日志中可以看出问题出在pool5层,它的输入为Top shape: 16 2048 5 5 (819200),即16 * 2048 * 5 * 516batch_size2048channel数量,即kernel个数,feature map大小为5 * 5,在prototxt中找到pool5层,如下:

layer {
    bottom: "res5c"
    top: "pool5"
    name: "pool5"
    type: "Pooling"
    pooling_param {
        kernel_size: 7
        stride: 1
        pool: AVE
    }
}

kernel size为7,比5大,因此将7改为5,重新训练,没问题。

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏用户2442861的专栏

数字图像处理笔记一 - 图像采集(空间分辨率和幅度分辨率)

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/haluoluo211/article/d...

1081
来自专栏专知

【专知-Deeplearning4j深度学习教程03】使用多层神经网络分类MNIST数据集:图文+代码

【导读】主题链路知识是我们专知的核心功能之一,为用户提供AI领域系统性的知识学习服务,一站式学习人工智能的知识,包含人工智能( 机器学习、自然语言处理、计算机视...

38711
来自专栏月色的自留地

图像识别基本算法之SURF

1548
来自专栏数据科学学习手札

(数据科学学习手札21)sklearn.datasets常用功能详解

作为Python中经典的机器学习模块,sklearn围绕着机器学习提供了很多可直接调用的机器学习算法以及很多经典的数据集,本文就对sklearn中专门用来得到已...

3449
来自专栏PPV课数据科学社区

【学习】数理逻辑超难面试题:甲乙两人互猜数字,你会做吗?

这是一道历史悠久,又很困难的面试题。 你在旁观主持人和甲、乙两个天才数学家玩猜数字游戏。主持人准备了两个数,告知甲乙:这两个数不同,且大于等于1,小于等于50。...

3375
来自专栏菩提树下的杨过

归一化(softmax)、信息熵、交叉熵

机器学习中经常遇到这几个概念,用大白话解释一下: 一、归一化 把几个数量级不同的数据,放在一起比较(或者画在一个数轴上),比如:一条河的长度几千甚至上万km,与...

19110
来自专栏数据科学与人工智能

【智能】自然语言处理概述

1 什么是文本挖掘? 文本挖掘是信息挖掘的一个研究分支,用于基于文本信息的知识发现。文本挖掘的准备工作由文本收集、文本分析和特征修剪三个步骤组成。目前研究和应用...

3595
来自专栏绿巨人专栏

强化学习读书笔记 - 08 - 规划式方法和学习式方法

37310
来自专栏人工智能头条

数据科学与机器学习管道中预处理的重要性(一):中心化、缩放和K近邻

1723
来自专栏SIGAI学习与实践平台

场景文本检测—CTPN算法介绍

原创声明:本文为 SIGAI 原创文章,仅供个人学习使用,未经允许,不得转载,不能用于商业目的。

9703

扫码关注云+社区