Question

我知道，已经有类似这样的问题，但是我找不到针对该问题的任何解决方案。

我创建了一个这样的模型：

def CreateModel(optimizer=optimizer, loss=loss, learn_rate=learn_rate, activity_regularizer=activity_regularizer):
    model = keras.Sequential([
            keras.layers.Conv2D(32,3,input_shape=(9,21,1)),
            keras.layers.Flatten(),
            keras.layers.Dense(32, activation='relu', kernel_initializer=keras.initializers.RandomUniform(maxval=1, minval=0), bias_initializer=keras.initializers.Zeros(), activity_regularizer=activity_regularizer),
            keras.layers.Dense(2, activation='softmax', kernel_initializer=keras.initializers.RandomUniform(maxval=1, minval=0), bias_initializer=keras.initializers.Zeros(), activity_regularizer=activity_regularizer)
            ])
    model.compile(optimizer=optimizer,
              loss=loss,
              metrics=['accuracy', keras.metrics.FalseNegatives(), keras.metrics.FalsePositives(), keras.metrics.Precision(), keras.metrics.Recall()])
    return model

我的输入包含300张9x21灰度图像。

没有Conv2D层，它可以完美工作。但是有了这个Conv2D层，我得到了错误：

ValueError: Input 0 of layer sequential is incompatible with the layer: : expected min_ndim=4, found ndim=3

我也尝试了其他输入法，例如：

keras.layers.Conv2D(32,3,input_shape=(300,9,21,1))

keras.layers.Conv2D(32,3,input_shape=(300,9,21))

但没有成功。

谢谢皮刺

Answer 1

P子

只需确保为模型提供[n_items，9,21,1]形状的数据即可。使用data = tf.expand_dims(data, axis =-1)

或者先添加“重塑”图层：

tf.keras.layers.Reshape((9,21,1), input_shape=(9,21))

Keras Conv2D-ValueError：层顺序的输入0与该层不兼容：：预期的min_ndim = 4，找到的ndim = 3

1 个答案: