keras 顺序 model 用于图像数据

Question

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？

Answer 1

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。