Question

我是TF的新手，但遇到了一些问题。我正在尝试将形状（150 x 150 x 3）的彩色图像分为30个类别。当我拟合模型时，出现错误：

ValueError：检查模型输入时出错：传递给模型的Numpy数组列表不是模型预期的大小。预计将看到1个阵列，但获得了768个阵列的以下列表：...

我的代码：

model = Sequential() 

model.add(Flatten(input_shape=(150,150,3)))

model.add(Dense(150, activation=tf.nn.relu)) 

model.add(Dense(150, activation=tf.nn.relu))

model.add(Dense(30, activation=tf.nn.softmax))

model.compile(optimizer='adam' ,loss='sparse_categorical_crossentropy' ,metrics=['accuracy'])

model.fit(x_train, y_train, epochs=15, batch_size=768)

输入数组不是numpy数组，当我尝试对其进行转换时，numpy给出了一个错误，即无法将（150，150，3）广播为形状（150，150）

此外，输入数组（x_train）是尺寸为（150 x 150 x 3）的np个数组的数组，所以所有x_train的形状均为（768 x 150 x 150 x 3） 768个观察结果（至少希望如此） y_train只是一个由标签组成的简单数组。

到目前为止，输入数据都是以下列方式导入的.jpg图像：

with Image.open(filename) as img:
images.append(np.array(img.resize((150,150))))

x_train, x_test, y_train, y_test = train_test_split(images, classes, test_size=0.2, random_state=42)

谢谢您的帮助！

Answer 1

看起来x_train是一个包含768个成员的列表，每个成员都是一个形状为（150，150，3）的np数组。但是，x_train应该是一个np形状的数组（768、150、150、3），以便将其馈入拟合函数。您可以将x_train转换为数组：

x_train = np.array(x_train)

模型拟合期望1个数组，但我得到768个

1 个答案: