Keras转换神经网络问题：ValueError：检查输入时出错：预期conv2d_1_input具有4维

Question

我是Keras的新手，并尝试构建卷积神经网络。 对于预处理，我在样本中（批次大小）对每个图片取了32个补丁，大小为200 x 200（补丁大小）。 我生成了它的numpy数组并保存了它们。 我尝试用这些批次来填充模型。

pg = PatchGenerator(image_folder, list_path, sheet_name, patch_size, 
batch_size, split_distribution)

# Load batches and labels
X_train = []
Y_train = []
c = 0
for x in range(2):
     X_train.append(np.load(train_batch_load_path + train_batch_name + 
     str(c+1) + '.npy'))
     Y_train.append(pg.hd_train_list[c])
     c = c + 1
X_train = np.array(X_train)

print(X_train.shape)  # shape: (2, 32, 200, 200, 3)

# Model
model.add(Convolution2D(filters=16, kernel_size=3, strides=(1, 1), 
bias_initializer='zeros', padding='same', data_format='channels_last', 
activation=None, batch_size=32, input_shape=(patch_size, patch_size, 3))) 

print(model.output_shape) # shape: (32, 200, 200, 16)

model.add(MaxPooling2D(pool_size=(2, 2), strides=(2, 2),  padding='same', 
data_format='channels_last'))

print(model.output_shape) #shape: (32, 100, 100, 16)

model.add(Convolution2D(filters=32, kernel_size=3, strides=(2, 2), 
bias_initializer='zeros', padding='same', data_format='channels_last', 
activation='relu'))

print(model.output_shape) # shape: (32, 50, 50, 32)

model.add(AveragePooling2D(pool_size=(2, 2), strides=(5, 5),  
padding='same', data_format='channels_last'))

print(model.output_shape) # shape: (32, 10, 10, 32)

model.add(Convolution2D(filters=16, kernel_size=5, strides=(1, 1), 
bias_initializer='zeros', padding='valid', data_format='channels_last', 
activation='relu'))

print(model.output_shape) # shape: (32, 6, 6, 16)

model.add(MaxPooling2D(pool_size=(4, 4), strides=(1, 1),  padding='valid', 
data_format='channels_last'))

print(model.output_shape) # shape: (32, 3, 3, 16)

model.add(Convolution2D(filters=1, kernel_size=3, strides=(1, 1), 
bias_initializer='zeros', padding='valid', data_format='channels_last', 
activation='relu'))

print(model.output_shape) # shape: (32, 1, 1, 1)

model.add(Flatten())

print(model.output_shape) # shape: (32, 1)

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

model.fit(X_train, Y_train, batch_size=batch_size, epochs=epochs, verbose=1)

当我尝试运行代码时，出现以下错误：

ValueError：检查输入时出错：预期conv2d_1_input具有4个维，但数组的形状为（2，32，200，200，3）

我知道它们的数量多于4个Dimenson，但是当我只对形状为4个Dimenson的一批批次执行相同操作时，我得到一个错误，即我的尺寸太小。 我认为输出形状是运行模型所需的正确形状。

希望您能够帮助我。

Answer 1

不，错误所提到的，您的数据应为4D。 您给定的输入形状等于（200，200，3），这意味着输入X的形状应为（samples，200，200，3）。 样本可以是任意数量，但其他两个维度是固定的。

如果在使用4D阵列时遇到其他错误，则还应将其包括在问题中。