輸入形狀在卷積神經網絡中的誤差

Question

我有1000張28 * 28分辨率的圖像。 我將這1000張圖像轉換為numpy數組，並形成了一個大小為（1000,28,28）的新數組。 因此，在使用keras創建卷積層時，將輸入shape（X值）指定為（1000,28,28），將輸出shape（Y值）指定為（1000,10）。 因為我有1000個示例是輸入和10個類別的輸出。

model = Sequential()
model.add(Conv2D(32, kernel_size=(3, 3),activation='relu',kernel_initializer='he_normal',input_shape=(1000,28,28)))
.
.
.
model.fit(train_x,train_y,batch_size=32,epochs=10,verbose=1)

因此，在使用fit函數時，它顯示ValueError: Error when checking input: expected conv2d_1_input to have 4 dimensions, but got array with shape (1000, 28, 28)為錯誤。 請幫助我為CNN提供適當的輸入和輸出尺寸。

碼：

 model = Sequential()
 model.add(Conv2D(32, kernel_size=(3, 3),activation='relu',kernel_initializer='he_normal',input_shape=(4132,28,28)))
 model.add(MaxPooling2D((2, 2)))
 model.add(Dropout(0.25))

 model.add(Conv2D(64, (3, 3), activation='relu'))
 model.add(MaxPooling2D(pool_size=(2, 2)))
 model.add(Dropout(0.25))

 model.add(Conv2D(128, (3, 3), activation='relu'))
 model.add(Dropout(0.4))

 model.add(Flatten())
 model.add(Dense(128, activation='relu'))
 model.add(Dropout(0.3))
 model.add(Dense(10, activation='softmax'))

 model.compile(loss=keras.losses.categorical_crossentropy,optimizer=keras.optimizers.Adam(),metrics=['accuracy'])
 model.summary()

 train_x  = numpy.array([train_x])

 model.fit(train_x,train_y,batch_size=32,epochs=10,verbose=1)

Answer 1

您需要將channel設置為1 ：（ input_shape ）的輸入更改為4維，並且需要將卷積層的input_shape更改為（ input_shape (28, 28, 1) ：

model.add(Conv2D(32, kernel_size=(3, 3),...,input_shape=(28,28,1)))

Answer 2

您的numpy數組需要第四個維度，通用標准是使用第一個維度對樣本進行編號，因此將（1000，28，28）更改為（1，1000，28，28）。

您可以在此處了解更多信息。

Answer 3

從您的輸入中看起來您正在使用tensorflow作為后端。

在keras中， input_shape應該始終為3維。 對於tensorflow作為后端，模型的input_shape將是

input_shape = [img_height,img_width,channels(depth)]

在你的情況下張量流后端應該是

input_shape = [28,28,1]

並且train_x的形狀應為

train_x = [batch_size,img_height,img_width,channels(depth)]

在你的情況下

train_x = [1000,28,28,1]

當您使用灰度圖像時，圖像的尺寸將為（image_height，image_width），因此您必須為圖像添加額外的尺寸，從而導致（image_height，image_width，1）'1'表示圖像的深度，對於灰度值為“ 1”，對於rgb為“ 3”。