python，神经网络，要使用的input_shape的维度和值

Question

我需要在数据集上构建CNN模型，该数据集包含65536行（每行代表1个图像），49列（7x7图像）和二进制类（第50列）。

我正在引用使用mnist数据集执行CNN的示例，但我未能构建列车模型。

当我在这行代码时：

model.add(Conv2D(30 ,(5,5), padding='valid',  activation='relu',input_shape=(1,7,7))

我有这个错误：

ValueError: Negative dimension size caused by subtracting 5 from 1 for 'conv2d_42/convolution' (op: 'Conv2D') with input shapes: [?,1,7,7], [5,5,7,30].

我试试这个：

model.add(Conv2D(30 ,(5,5), padding='valid',  activation='relu',input_shape=(1(7,7)))

我有这个：

TypeError: int() argument must be a string or a number, not 'tuple'

我要问的是我应该使用什么值来建立模型

Answer 1

如你所知，Keras可以在Tensorflow的Theano之上运行。您正在使用Theano维度排序（通道，高度，宽度），但您的Keras似乎使用Tensorflow后端，具有Tensorflow维度排序（高度，宽度，通道）。

我建议重写代码并将通道维度（= 1）放在最后。还有通过编辑keras.json来改变后端和/或维度排序的方法。