ValueError：层序的输入 0 与层不兼容：：预期 min_ndim=4，发现 ndim=3。收到的完整形状：[8, 28, 28]

Question

我不断收到与输入形状相关的错误。任何帮助将不胜感激。谢谢！

import tensorflow as tf

(xtrain, ytrain), (xtest, ytest) = tf.keras.datasets.mnist.load_data()

model = tf.keras.Sequential([
    tf.keras.layers.Conv2D(16, kernel_size=3, activation='relu'),
    tf.keras.layers.MaxPooling2D(pool_size=2),
    tf.keras.layers.Conv2D(32, kernel_size=3, activation='relu'),
    tf.keras.layers.MaxPooling2D(pool_size=2),
    tf.keras.layers.Flatten(),
    tf.keras.layers.Dense(64, activation='relu'),
    tf.keras.layers.Dense(10, activation='softmax')
    ])

model.compile(loss='categorical_crossentropy', 
              optimizer='adam',
              metrics='accuracy')

history = model.fit(xtrain, ytrain,
                    validation_data=(xtest, ytest),
                    epochs=10, batch_size=8)

ValueError：层序的输入 0 与层不兼容：：预期 min_ndim=4，发现 ndim=3。收到的完整形状：[8, 28, 28]

Answer 1

您需要添加通道维度。Keras 期望这种数据格式：

(n_samples, height, width, channels)

例如，如果您的图像是灰度图像，则它们有 1 个通道，因此需要以这种格式将它们提供给 Keras：

(60000, 28, 28, 1)

不幸的是，灰度图片通常会在没有通道维度的情况下给出/下载，例如在 中tf.keras.datasets.mnist.load_data，这将是(60000, 28, 28)，这是有问题的。

解决方案：

您可以使用tf.expand_dims添加维度

xtrain = tf.expand_dims(xtrain, axis=-1)

现在您的输入形状将是：

(60000, 28, 28, 1)

还有其他替代方案可以执行相同的操作：

xtrain = xtrain[..., np.newaxis]
xtrain = xtrain[..., None]
xtrain = xtrain.reshape(-1, 28, 28, 1)
xtrain = tf.reshape(xtrain, (-1, 28, 28, 1))
xtrain = np.expand_dims(xtrain, axis=-1)

Answer 2

您创建的模型的输入层需要使用 4 维张量，但您传递给它的 x_train 张量只有 3 维

这意味着您必须使用 .reshape(n_images, 286, 384, 1) 重塑您的训练集。现在，您已在不更改数据的情况下添加了额外的维度，并且您的模型已准备好运行。

在训练模型之前，您需要将 x_train 张量重塑为 4 维。例如：

x_train = x_train.reshape(-1, 28, 28, 1)

有关 keras 输入的更多信息，请查看此答案