Keras输入中的尺寸数不正确

Question

我试图沿着我在想什么，遵循的是对于几乎，但从未完全工作keras第五或第六简单的入门教程。 剥离所有内容后，我似乎发现输入格式存在问题。 我读入一组图像，然后提取两种类型，手语图像和手语零图像。 然后，我设置一个由1和0组成的数组以对应于实际的图像，然后确定大小和类型。

import numpy as np 
from subprocess import check_output

print(check_output(["ls", "../data/keras/"]).decode("utf8"))
## load dataset of images of sign language numbers
x = np.load('../data/keras/npy_dataset/X.npy')
# Get the zeros and ones, construct a list of known values (Y)
X = np.concatenate((x[204:409], x[822:1027] ), axis=0) # from 0 to 204 is zero sign and from 205 to 410 is one sign 
Y = np.concatenate((np.zeros(205), np.ones(205)), axis=0).reshape(X.shape[0],1)

# test shape and type
print("X shape: " , X.shape)
print("X class: " , type(X))
print("Y shape: " , Y.shape)
print("Y type: " , type(Y))

这给了我：

X shape:  (410, 64, 64)
X class:  <class 'numpy.ndarray'>
Y shape:  (410, 1)
Y type:  <class 'numpy.ndarray'>

一切都很好。 然后，我使用Tensorflow作为后端从Keras加载相关位，并尝试构建分类器。

# get the relevant keras bits. 
from keras.models import Sequential
from keras.layers import Convolution2D 
# construct a classifier

classifier = Sequential() # initialize neural network
classifier.add(Convolution2D(32, (3, 3), input_shape=(410, 64, 64), activation="relu", data_format="channels_last"))
classifier.compile(optimizer = 'adam', loss = 'categorical_crossentropy', metrics = ['accuracy'])

classifier.fit(X, Y, batch_size=32, epochs=10, verbose=1)

结果是：

ValueError: Error when checking input: expected conv2d_1_input to have 4 dimensions, but got array with shape (410, 64, 64)

我认为这是一个SO问题 ，建议我需要更改输入形状以添加第4个维度-尽管它也表示需要更改输出形状，但我找不到任何地方可以指定一个输出形状，所以我假设这意味着我应该将输入形状更改为input_shape =（1、64、64、1）。 但是，如果更改输入形状，则会立即得到：

ValueError: Input 0 is incompatible with layer conv2d_1: expected ndim=4, found ndim=5

这个 github问题暗示的是因为我不再需要指定样本数量。 因此，我剩下的情况是使用一种输入形状并得到一个错误，或者对其进行更改并得到另一个错误。 阅读这和这让我觉得我可能需要重塑我的数据包含关于X声道的信息，但如果我加入

X = X.reshape(X.shape[0], 64, 64, 1)
print(X.shape)

然后我得到

ValueError: Error when checking target: expected conv2d_1 to have 4 dimensions, but got array with shape (410, 1)

如果我将重塑更改为其他任何形式，即

X = X.reshape(X.shape[0], 64, 64, 2)

然后，我收到一条消息，提示它无法重整数据，因此，如果确实存在问题，那么我显然在做错什么。

我已经阅读了建议的Conv2d文档 ，该文档对我来说完全没有任何意义。 还有其他人可以吗？

Answer 1

首先，我使用了以下数据集（与您的情况类似）：

import numpy as np
import keras

X = np.random.randint(256, size=(410, 64, 64))
Y = np.random.randint(10, size=(410, 1))
x_train = X[:, :, :, np.newaxis]
y_train = keras.utils.to_categorical(Y, num_classes=10)

然后按如下所示修改您的代码以使其工作：

from keras.models import Sequential
from keras.layers import Convolution2D, Flatten, Dense 

classifier = Sequential() # initialize neural network
classifier.add(Convolution2D(32, (3, 3), input_shape=(64, 64, 1), activation="relu", data_format="channels_last"))
classifier.add(Flatten())
classifier.add(Dense(10, activation='softmax'))
classifier.compile(optimizer = 'adam', loss = 'categorical_crossentropy', metrics = ['accuracy'])
classifier.fit(x_train, y_train, batch_size=32, epochs=10, verbose=1)

1. 将X的形状从410 x 64 x 64更改为410 x 64 x 64 x 1 （带有通道1）。

2. input_shape是样本数据的形状，即64 x 64 x 1 。

3. 使用keras.utils.to_categorical() （ num_classes=10单热编码keras.utils.to_categorical()更改了Y的形状。

4. 在编译之前，由于需要categorical_crossentropy因此应用了Flatten()和Dense() 。