ValueError：检查输入时出错：预期conv2d_79_input具有4个维，但数组的形状为（99，4457，4）

Question

这是使用一种热编码的RNA序列的二进制分类CNN模型。 数据集已经是一种热编码，我的X形状是（99，4457，4）

我尝试使用以下方法增加尺寸：

arr4d = np.expand_dims(X, 0)

这给了我以下形状：（1，99，4457，4）

但是后来我收到另一个错误：

ValueError：检查目标时出错：预期density_64的形状为（4，），但数组的形状为（1，）

我也尝试了其他几种方法，但是我只是做的不正确。 任何帮助深表感谢。

X = np.reshape(X2, (X2.shape[0],maximum,4))


# In[62]:


def build_cnn():

    model = Sequential()

    # Multiple convolution operations to detect features in the images
    model.add(Conv2D(32,kernel_size=3,activation='relu',input_shape=(99,4457,4)))
    model.add(BatchNormalization())
    model.add(Conv2D(32,kernel_size=3,activation='relu')) # no need to specify shape as there is a layer before
    model.add(BatchNormalization())
    model.add(Conv2D(32,kernel_size=5,strides=2,padding='same',activation='relu'))
    model.add(BatchNormalization())
    model.add(Dropout(0.4)) # reduce overfitting

    model.add(Conv2D(64,kernel_size=3,activation='relu'))
    model.add(BatchNormalization())
    model.add(Conv2D(64,kernel_size=3,activation='relu'))
    model.add(BatchNormalization())
    model.add(Conv2D(64,kernel_size=5,strides=2,padding='same',activation='relu'))
    model.add(BatchNormalization())
    model.add(Dropout(0.4)) # reduce overfitting

    # Flattening and classification by standard ANN
    model.add(Flatten())
    model.add(Dense(4, activation='relu'))
    model.add(BatchNormalization())
    model.add(Dropout(0.4))
    model.add(Dense(4, activation='softmax'))

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

    return model


# In[63]:


model = build_cnn()
model.fit(X, y, batch_size=64, epochs=16)

Answer 1

这给了我以下形状：（1、99、4457、4）这绝对是错误的形状。 图像通常具有（batch_size，通道，高度，宽度）。 在用kernel_size = 3卷积后，什么是3x3映射，形状将是（1,32，4457-2，4-2），并且无法在下一个conv2d中处理