Question

    model.add(Convolution2D(64, 3, 3, border_mode='same', input_shape=(32, 32, 3)))
    model.add(Activation('relu'))
    model.add(Convolution2D(32, 3, 3))
    model.add(Activation('relu'))
    model.add(MaxPooling2D(pool_size=(2, 2)))
    model.add(Dropout(0.25))

    model.add(Convolution2D(64, 3, 3, border_mode='same'))
    model.add(Activation('relu'))
    model.add(Convolution2D(64, 3, 3))
    model.add(Activation('relu'))
    model.add(MaxPooling2D(pool_size=(2, 2)))
    model.add(Dropout(0.25))

    model.add(Flatten())
    model.add(Dense(512))
    model.add(Activation('relu'))
    model.add(Dropout(0.5))
    model.add(Dense(10))
    model.add(Activation('softmax'))

这是错误

ValueError                                Traceback (most recent call last)
<ipython-input-21-a60216c72b54> in <module>()
----> 1 model.add(Convolution2D(64, 3, 3, border_mode='same', input_shape=(3, 32, 32)))
      2 model.add(Activation('relu'))
      3 model.add(Convolution2D(32, 3, 3))
      4 model.add(Activation('relu'))
      5 model.add(MaxPooling2D(pool_size=(2, 2)))

/home/pranshu_44/anaconda3/lib/python3.5/site-packages/keras/models.py in add(self, layer)
    330                  output_shapes=[self.outputs[0]._keras_shape])
    331         else:
--> 332             output_tensor = layer(self.outputs[0])
    333             if isinstance(output_tensor, list):
    334                 raise TypeError('All layers in a Sequential model '

/home/pranshu_44/anaconda3/lib/python3.5/site-packages/keras/engine/topology.py in __call__(self, x, mask)
    527             # Raise exceptions in case the input is not compatible
    528             # with the input_spec specified in the layer constructor.
--> 529             self.assert_input_compatibility(x)
    530 
    531             # Collect input shapes to build layer.

/home/pranshu_44/anaconda3/lib/python3.5/site-packages/keras/engine/topology.py in assert_input_compatibility(self, input)
    467                                          self.name + ': expected ndim=' +
    468                                          str(spec.ndim) + ', found ndim=' +
--> 469                                          str(K.ndim(x)))
    470             if spec.dtype is not None:
    471                 if K.dtype(x) != spec.dtype:

ValueError: Input 0 is incompatible with layer convolution2d_11: expected ndim=4, found ndim=2

我正在尝试对cifar 10进行图像分类，但我收到了这个错误根据做文档[https://keras.io/layers/convolutional/][1]我的回答是正确的，但我不知道为什么我得到这个错误

我应该使用（无，32,32,3）尺寸

Answer 1

Conv2D图层需要输入4个维度，但显然，您仅输入2。但是我敢肯定，您已经注意到了这一点。

根据adventuresinmachinelearning：

要提供的数据格式为[i，j，k，l]，其中i是训练样本的数量，j是图像的高度，k是权重，l是频道号。 / p>

我不熟悉您使用的数据，但是l（通道号）的值应为：

[对于a]灰度图像，l将始终等于1（如果我们有RGB图像，则它将等于3）

所以基本上您只需要：

import tensorflow as tf
tf.reshape(your_image_tensor, [-1, 28, 28, 1]) #For a grayscale image
tf.reshape(your_image_tensor, [-1, 28, 28, 3]) #For a RGB image

对您自己的代码进行适当的更改。如果您不想使用tensorflow，建议您阅读this

更新：您还可以使用numpy.reshape（）重塑数组有关更多信息：https://docs.scipy.org/doc/numpy/reference/generated/numpy.reshape.html

keras：ValueError：输入0与图层卷积2d_11不兼容：预期ndim = 4，发现ndim = 2

1 个答案: