检查模型输入时出错:预期卷积2d_input_1有4个维度,但得到的形状为数组(32,32,3)

Question

我想从以下层开始训练深度网络:

model = Sequential()
model.add(Conv2D(32, 3, 3, input_shape=(32, 32, 3)))

运用

history = model.fit_generator(get_training_data(),
                samples_per_epoch=1, nb_epoch=1,nb_val_samples=5,
                verbose=1,validation_data=get_validation_data()

使用以下生成器:

def get_training_data(self):
     while 1:
        for i in range(1,5):
            image = self.X_train[i]
            label = self.Y_train[i]
            yield (image,label)

(验证生成器看起来类似).

在培训期间,我收到错误:

Error when checking model input: expected convolution2d_input_1 to have 4 
dimensions, but got array with shape (32, 32, 3)

怎么可能,第一层

 model.add(Conv2D(32, 3, 3, input_shape=(32, 32, 3)))

？

Answer 1

您定义的输入形状是单个样本的形状.模型本身需要一些样本数组作为输入(即使它是一个长度为1的数组).

你的输出真的应该是4-d,第一维用于枚举样本.即对于单个图像,您应该返回(1,32,32,3)的形状.

你可以找到更多的信息在这里下的"Convolution2D" /"输入型"

Answer 2

就像添加一维一样简单，所以我正在阅读 Siraj Rawal 在 CNN 代码部署教程中讲授的教程，它在他的终端上运行，但相同的代码在我的终端上不起作用，所以我做了一些研究关于它并解决了，我不知道这是否适合你们所有人。在这里，我想出了解决方案；

未解决的代码行会给您带来问题：

if K.image_data_format() == 'channels_first':
    x_train = x_train.reshape(x_train.shape[0], 1, img_rows, img_cols)
    x_test = x_test.reshape(x_test.shape[0], 1, img_rows, img_cols)
    print(x_train.shape)
    input_shape = (1, img_rows, img_cols)
else:
    x_train = x_train.reshape(x_train.shape[0], img_rows, img_cols)
    x_test = x_test.reshape(x_test.shape[0], img_rows, img_cols)
    input_shape = (img_rows, img_cols, 1)

解决代码：

if K.image_data_format() == 'channels_first':
    x_train = x_train.reshape(x_train.shape[0], 1, img_rows, img_cols)
    x_test = x_test.reshape(x_test.shape[0], 1, img_rows, img_cols)
    print(x_train.shape)
    input_shape = (1, img_rows, img_cols)
else:
    x_train = x_train.reshape(x_train.shape[0], img_rows, img_cols, 1)
    x_test = x_test.reshape(x_test.shape[0], img_rows, img_cols, 1)
    input_shape = (img_rows, img_cols, 1)

如果这对您有用，请在此处分享反馈。