我正在尝试使用tensorflow后端在keras中训练一个预训练的inceptionv3模型。
我有10,000张大小（299,299）图像的训练数据集（它们是灰度）。我将它转换为张量流的输入形状为（10000,299,299,1）。当我试图适应inceptionv3模型时，我收到错误
ValueError：检查输入时出错：期望input_1有形状（None，none，none，3）但是有形状的数组（10000,299,299,1）
我尝试使用
更改张量的输入形状input_tensor = Input(shape=(299,299,1))
base_model = InceptionV3(weights='imagenet',include_top=False,input_tensor = input_tensor)
我收到以下错误：
ValueError：两个形状中的尺寸0必须相等，但对于具有输入形状的“Assign_376”（op：'Assign'），它们是3和32：[3,3,1,32]，[32,3,3 ，3]
有人可以帮我解决这个问题吗？我的数据集是灰度的。如何使用张量流后端在keras中输入灰度数据集到inceptionv3我很无能为力。
答案 0 :(得分：1)
如果您正在使用预先训练过的砝码，则不能简单地将深度更改为1并期望它能够正常工作。这是因为你的第一层卷积滤波器的深度为3.你可以参考这个post来了解可以做些什么。
该错误的含义是编辑后的第一层权重的形状为[3, 3, 1, 32]，这意味着3x3卷积滤镜具有深度1和32组这些滤镜。但是，原始模型是[32, 3, 3, 3]，这意味着3x3卷积过滤器具有深度3和32组这些过滤器。你必须在这里解决2个问题：
ValueError。