GlobalAveragePooling2D带来的维度降低
全局平均池化,深度神经网络中经常使用的一个层,使用前后的尺寸分别为[B,H,W,C]->[B,C].特别要注意,这个层使用之后特征图尺寸的维度变成了2维而非4维。这将对你之后的计算带来影响。
解决方法
在numpy中有expand_dims函数可以实现增加维度的功能,keras中backend模块同样提供了这个函数,使用
K.expand_dims(x,1)
即为在H维度上增加了一维,我们调用该函数两次就可以达到和原来特征图一样的维度了。