python，神经网络，要使用的input_shape的尺寸和值

Question

我需要在具有65536行（每个代表1张图像），49列（7x7图像）和二进制类（第50列）的数据集上构建CNN模型。

我正在参考有关使用mnist数据集执行CNN的示例，但未能建立火车模型。

当我在这行代码上时：

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].

我在这里尝试：

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'

我问的是我应该使用哪个input_shape值来构建模型

Answer 1

如您所知，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Keras似乎正在使用Tensorflow后端，并使用Tensorflow维度排序（高度，宽度，通道）。

我建议重写代码，最后放置通道尺寸（= 1）。 还有一些通过编辑keras.json来更改后端和/或维度顺序的方法。