Question

这是我的CNN
并获得

model = cnn_model（）print（model.call（train_data [0]））ValueError：输入 conv2d_6层的0与该层不兼容：预期ndim = 4，发现ndim = 3。收到的完整图形：[28、28、1]

形状为（28,28,1）

怎么了？

input_shape = (28,28.1)
class cnn_model(tf.keras.Model):
    def __init__(self):

        super(cnn_model,self).__init__()
        self.conv1 = layers.Conv2D(32,(3,3),activation='relu',input_shape= input_shape)
        self.maxpool = layers.MaxPool2D((2,2))
        self.conv2 = layers.Conv2D(64,(3,3),activation ='relu')
        self.conv3 = layers.Conv2D(64,(3,3),activation='relu')
        self.flatten = layers.Flatten()
        self.dense64 = layers.Dense(64,activation='relu')
        self.dense10 = layers.Dense(10,activation='relu')
    def call(self,inputs):
        x = self.conv1(inputs)
        x = self.maxpool(x)
        x = self.conv2(x)
        x = self.maxpool(x)
        x = self.conv3(x)
        x = self.flatten(x)
        x = self.dense64(x)
        x = self.dense10(x)
        return x

Answer 1

您的input_shape参数看起来不错，所以我猜train_data[0]没有足够的尺寸！可能train_data.shape就像（N，H，W，C）这样的东西已经准备好进入模型，但是train_data[0].shape就像（H，W，C）一样出来了，其尺寸比预期。如果要向模型提供单个样本，则可能必须使用numpy的expand_dims将train_data[0]重塑为（1，H，W，C）。

Answer 2

从您的代码片段中，

input_shape = (28,28.1)

是否有错别字-.而不是,？您打算将其编写如下吗？

input_shape = (28, 28, 1)

层conv2d_6的输入0与该层不兼容：预期ndim = 4，找到的ndim = 3。收到的完整图形：[28、28、1]

2 个答案: