InvalidArgumentError ：输入深度必须被过滤器深度整除：4 vs 3

Question

我是初学者。我尝试了 Tensorflow 的图像分类，并得到以下错误。我在网上发现了类似的问题，但我无法理解。错误是什么意思？我该怎么办？请给我一些建议。我使用 100 个文件（png/15pix、15pix）作为示例图像。Tensorflow ver.2.0.0 / python ver.3.8.1 / Jupyter notebook。

    num_epochs = 30
    steps_per_epoch = round(num_train)//BATCH_SIZE
    val_steps = 20
    history = model.fit(train_data.repeat(),
                epochs=num_epochs,
                steps_per_epoch = steps_per_epoch,
                validation_data=val_data.repeat(), 
                validation_steps=val_steps)

InvalidArgumentError：输入深度必须被过滤器深度整除：4 vs 3 [[节点序列_2/mobilenetv2_1.00_96/Conv1/Conv2D（定义在C:\Users\XXXXX\Anaconda3\lib\site-packages\tensorflow_core\python\framework \ops.py:1751) ]] [Op:__inference_distributed_function_42611] 函数调用堆栈：distributed_function

Answer 1

我认为您阅读了 4 通道格式的图像。您应该在转发之前将输入图像转换为“RGB”。

Answer 2

如果您的模型如下所示：

model = tf.keras.Sequential([
tf.keras.layers.Conv2D(16, (3, 3), activation = 'relu', input_shape = (150, 150, 3)),
tf.keras.layers.MaxPooling2D(2, 2),
tf.keras.layers.Conv2D(32, (3, 3), activation = 'relu'),
tf.keras.layers.MaxPooling2D(2, 2),
tf.keras.layers.Flatten(),
tf.keras.layers.Dense(512, activation = 'relu'),
tf.keras.layers.Dense(10, activation = 'softmax')
])

将input_shape（在第一个卷积层）的值从(150, 150, 3)更改为(150, 150, 4)。

仅将元组中的最后一项（此处为 3）替换为 4。这样就可以了。

Answer 3

我找到了答案！就我而言，以下程序有所帮​​助。

XXX = tf.convert_to_tensor(XXX[:,:,:3])

我希望它也能帮助你。谢谢。

Answer 4

我遇到这个错误是因为我使用已转换为灰度的图像作为我的数据。如果有人这样做，您可以从灰度转换为颜色格式，或者重新准备数据而不转换为灰度，这就是我所做的。

\n

根据我找到的解决方案：\n“也许您正在尝试将灰度图像输入需要彩色图像的 CNN。查找输入的形状，例如 Keras 中的 print(model.input.shape)，您会得到例如 (None, 224 , 224, 3) 并且您的输入 blob 必须具有相应的形状，因此拥有灰度图像，您必须将其转换为（正式）彩色图像（所有三个通道都相同）。但是，不要忘记您需要还知道输入 blob 的更多方面 - 均值、范围、偏差、\xe2\x80\xa6 具有良好的形状，它会计算一些内容，但不考虑这些方面，计算结果不好”

\n