时间戳

首页 > 解决方案 > tf.keras Conv2D 层的输入大小不合适

python - tf.keras Conv2D 层的输入大小不合适

问题描述

我正在按照教程中概述的步骤进行操作

我正在尝试在 Google Colaboratory 笔记本内的单元格中运行教程中的以下代码：

  import tensorflow as tf
  mnist = tf.keras.datasets.mnist
  (x_train, y_train), (x_test, y_test) = 
  tf.keras.datasets.fashion_mnist.load_data()
  x_train = x_train.astype('float32') / 255
  x_test = x_test.astype('float32') / 255
  model = tf.keras.Sequential()



 # Must define the input shape in the first layer of the neural network
  model.add(tf.keras.layers.Conv2D(filters=64, kernel_size=2, padding='same', activation='relu', input_shape=(28,28,1))) 



 model.add(tf.keras.layers.MaxPooling2D(pool_size=2))
  model.add(tf.keras.layers.Dropout(0.3))
  model.add(tf.keras.layers.Conv2D(filters=32, kernel_size=2, padding='same', activation='relu'))
  model.add(tf.keras.layers.MaxPooling2D(pool_size=2))
  model.add(tf.keras.layers.Dropout(0.3))
  model.add(tf.keras.layers.Flatten())
  model.add(tf.keras.layers.Dense(256, activation='relu'))
  model.add(tf.keras.layers.Dropout(0.5))
  model.add(tf.keras.layers.Dense(10, activation='softmax'))
  # Take a look at the model summary
  model.compile(loss='categorical_crossentropy',
               optimizer='adam',
               metrics=['accuracy'])
  model.fit(x_train,
           y_train,
           batch_size=64,
           epochs=10)


  # Evaluate the model on test set
  score = model.evaluate(x_test, y_test, verbose=0)
  # Print test accuracy
  print('\n', 'Test accuracy:', score[1])

当我运行 cell 时，出现以下错误：

Error when checking input: expected conv2d_5_input to have 4 dimensions, but got array with shape (60000, 28, 28)

我觉得我遗漏了一些对卷积层的使用至关重要的东西，但看起来这似乎应该有效。我在 SO 上发现了一些类似的问题，人们建议操纵“input_shape”参数。我尝试将其更改为 (60000, 28, 28) 并且还添加了值为 1 的附加维度，但到目前为止没有任何效果。谁能指出我在这里可能遗漏了什么？

标签： pythontensorflowkeras

解决方案

看起来您跳过了教程中的重塑部分：

# Reshape input data from (28, 28) to (28, 28, 1)
w, h = 28, 28
x_train = x_train.reshape(x_train.shape[0], w, h, 1)
x_valid = x_valid.reshape(x_valid.shape[0], w, h, 1)
x_test = x_test.reshape(x_test.shape[0], w, h, 1)

这里的想法是您的样本是 28x28x1（一种颜色，28x28 像素），第一维 - 样本的数量（在您的情况下为 60000）。

推荐阅读