使用tf.keras.MaxPooling1D出现错误

错误如下：

ValueError: Negative dimension size caused by subtracting 2 from 1 for 'pool_2/MaxPool' (op: 'MaxPool') with input shapes: [?,1,1,32].

首先了解MaxPooling1D：

tf.layers.max_pooling1d(
    inputs,
    pool_size,
    strides,
    padding='valid',
    data_format='channels_last',
    name=None
)

用于1维输入的MaxPooling层

• pool_size:表示pooling window的大小
• strides:指定pooling操作的步长
• padding:一个字符串。padding的方法：string，valid或same，大小写不敏感。
• data_format:一个字符串，channels_last（默认）或channels_first中的一个，输入中维度的排序，channels_last对应于具有形状(batch, length, channels)的输入，而channels_first对应于具有形状(batch, channels, length)的输入。
• name:一个字符串，表示层的名称。

出现错误原因：

是图片通道的问题，也就是”channels_last”和”channels_first”数据格式的问题。
input_shape=(3,28,28)是theano的写法，而tensorflow需要写出：(28,28,3)

其他人的处理方法：

查了很多方法我的问题都没有解决：

法一：配置.keras下的keras.json文件，将channels_last修改为channels_first

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

法二：在运行代码前面加两行代码：

from keras import backend as K  
K.set_image_dim_ordering('tf') 

我的处理方法：

直接在出现错误的代码中补充一个参数，加上data_format='channels_first'就可以啦，，

pool_4 = MaxPooling1D(pool_size=2, name='pool_4',data_format='channels_first')(conv_4)

注：此方法适用MaxPooling2D