[英]keras sequential model for image data
我正在尝试为图像训练一个密集的网络。
火车集合形状返回:
train_X.shape
(26032, 32, 32)
网络架构是:
def get_model(input_shape):
model = Sequential([
Dense(16, activation='relu', input_shape=(input_shape[1],input_shape[2],1)),
Dense(8, activation='relu'),
Dense(64, activation='relu'),
Flatten(),
Dense(10, activation='softmax')])
return model
但是当我尝试训练它时出现错误:
检查输入时出错:预期的 dense_17_input 有 4 个维度,但得到了形状为 (73257, 32, 32) 的数组
你能帮忙吗?
对于这个特定的架构,您不需要第四维。 在input_shape
中,您不需要添加1
。
input_shape=(input_shape[1], input_shape[2])
您只需要为 CNN 执行此操作。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.