ValueError：檢查輸入時出錯：預期conv2d_79_input具有4個維，但數組的形狀為（99，4457，4）

Question

這是使用一種熱編碼的RNA序列的二進制分類CNN模型。 數據集已經是一種熱編碼，我的X形狀是（99，4457，4）

我嘗試使用以下方法增加尺寸：

arr4d = np.expand_dims(X, 0)

這給了我以下形狀：（1，99，4457，4）

但是后來我收到另一個錯誤：

ValueError：檢查目標時出錯：預期density_64的形狀為（4，），但數組的形狀為（1，）

我也嘗試了其他幾種方法，但是我只是做的不正確。 任何幫助深表感謝。

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

這給了我以下形狀：（1、99、4457、4）這絕對是錯誤的形狀。 圖像通常具有（batch_size，通道，高度，寬度）。 在用kernel_size = 3卷積后，什么是3x3映射，形狀將是（1,32，4457-2，4-2），並且無法在下一個conv2d中處理