Question

我有1000,28 * 28分辨率的图像。我将这1000个图像转换为numpy数组并形成一个大小为（1000,28,28）的新数组。所以，同时使用keras创建卷积层，输入形状（X值）指定为（1000,28,28），输出形状（Y值）指定为（1000,10）。因为我哈 1000个例子是输入和10个输出类别。

model = Sequential()
model.add(Conv2D(32, kernel_size=(3, 3),activation='relu',kernel_initializer='he_normal',input_shape=(1000,28,28)))
.
.
.
model.fit(train_x,train_y,batch_size=32,epochs=10,verbose=1)

因此，在使用fit函数时，它会将ValueError: Error when checking input: expected conv2d_1_input to have 4 dimensions, but got array with shape (1000, 28, 28)显示为错误。请帮助我们为CNN提供适当的输入和输出维度。

代码：

 model = Sequential()
 model.add(Conv2D(32, kernel_size=(3, 3),activation='relu',kernel_initializer='he_normal',input_shape=(4132,28,28)))
 model.add(MaxPooling2D((2, 2)))
 model.add(Dropout(0.25))

 model.add(Conv2D(64, (3, 3), activation='relu'))
 model.add(MaxPooling2D(pool_size=(2, 2)))
 model.add(Dropout(0.25))

 model.add(Conv2D(128, (3, 3), activation='relu'))
 model.add(Dropout(0.4))

 model.add(Flatten())
 model.add(Dense(128, activation='relu'))
 model.add(Dropout(0.3))
 model.add(Dense(10, activation='softmax'))

 model.compile(loss=keras.losses.categorical_crossentropy,optimizer=keras.optimizers.Adam(),metrics=['accuracy'])
 model.summary()

 train_x  = numpy.array([train_x])

 model.fit(train_x,train_y,batch_size=32,epochs=10,verbose=1)

Answer 1

您需要将输入更改为4维，1设置为input_shape :( 1000,28,28,1），您需要更改卷积图层的(28, 28, 1)到model.add(Conv2D(32, kernel_size=(3, 3),...,input_shape=(28,28,1)))：

{
    "operation": "pin",
    "question": {
        "studentPin": "123456"
    }
}

Answer 2

你的numpy数组需要第四个维度，通常的标准是用第一个维度对样本进行编号，因此将（1000,28,28）更改为（1,1000,28,28）。

您可以阅读有关此here的更多信息。

Answer 3

从您的输入看起来您使用tensorflow作为后端。

在keras中，input_shape应始终为3维。对于作为后端的张量流，模型的input_shape将为

input_shape = [img_height,img_width,channels(depth)]

在你的情况下，应该是

的张量流后端

input_shape = [28,28,1]

，train_x的形状应为

train_x = [batch_size,img_height,img_width,channels(depth)]

在你的情况下

train_x = [1000,28,28,1]

当您使用灰度图像时，图像的尺寸将是（image_height，image_width），因此您必须为图像添加额外的尺寸，这将导致（image_height，image_width，1）＆＃ 39; 1＆＃39;表示图像的深度，对于灰度等级为＆＃39; 1＆＃39;对于rgb来说就是＆＃39; 3＆＃39;。

输入形状的卷积神经网络误差

3 个答案: