我该如何解决这个与 Keras 的 Conv2D 相关的问题？

Question

我创建了以下神经网络：

model = keras.Sequential()
model.add(layers.Conv2D(3, (3,3), activation="relu", padding="same", input_shape=constants.GRID_SHAPE))
model.add(layers.MaxPooling2D((3,3)))
model.add(layers.Flatten())
model.add(layers.Dense(constants.NUM_ACTIONS), activation="softmax")

其中constants.GRID_SHAPE是 (4,12)。

我收到以下错误：

ValueError：层“conv2d”的输入 0 与层不兼容：预期 min_ndim = 4，发现 ndim = 3。 已收到完整形状：（无、4、12）

我该如何解决这个问题？

Answer 1

如果您计划使用Conv2D层，请确保您的输入形状为 3D，不包括批量大小。 当前您有一个 2D 输入形状。 还要确保激活 function softmax是Dense层的一部分：

import tensorflow as tf

model = tf.keras.Sequential()
model.add(tf.keras.layers.Conv2D(3, (3,3), activation="relu", padding="same", input_shape=(4, 12, 1)))
model.add(tf.keras.layers.MaxPooling2D((3,3)))
model.add(tf.keras.layers.Flatten())
model.add(tf.keras.layers.Dense(5, activation="softmax"))

如果您的输入数据的形状为(samples, 4, 12) ，您可以使用data = tf.expand_dims(data, axis=-1)为您的数据添加一个额外的维度，使其与Conv2D层兼容。

如果不想添加新维度，也可以简单地使用Conv1D层：

import tensorflow as tf

model = tf.keras.Sequential()
model.add(tf.keras.layers.Conv1D(3, 3, activation="relu", padding="same", input_shape=(4, 12)))
model.add(tf.keras.layers.MaxPooling1D(3))
model.add(tf.keras.layers.Flatten())
model.add(tf.keras.layers.Dense(5, activation="softmax"))