时间戳

首页 > 解决方案 > InvalidArgumentError：输入深度必须能被过滤器深度整除：4 vs 3

python - InvalidArgumentError：输入深度必须能被过滤器深度整除：4 vs 3

问题描述

我是初学者。我尝试通过 Tensorflow 进行图像分类，并得到以下错误。我在网上找到了类似的问题，但我无法理解。错误是什么意思？我该怎么做呢？请给我一些建议。我使用 100 个文件（png/15pix、15pix）作为示例图像。Tensorflow ver.2.0.0 / python ver.3.8.1 / Jupyter notebook。

示例图像

    num_epochs = 30
    steps_per_epoch = round(num_train)//BATCH_SIZE
    val_steps = 20
    history = model.fit(train_data.repeat(),
                epochs=num_epochs,
                steps_per_epoch = steps_per_epoch,
                validation_data=val_data.repeat(), 
                validation_steps=val_steps)

InvalidArgumentError：输入深度必须能被过滤器深度整除：4 vs 3 [[nodesequential_2/mobilenetv2_1.00_96/Conv1/Conv2D（定义在 C:\Users\XXXXX\Anaconda3\lib\site-packages\tensorflow_core\python\framework \ops.py:1751) ]] [Op:__inference_distributed_function_42611] 函数调用堆栈：distributed_function

标签： pythontensorflowerror-handlingimage-comparison

解决方案

如果您的模型如下所示：

model = tf.keras.Sequential([
tf.keras.layers.Conv2D(16, (3, 3), activation = 'relu', input_shape = (150, 150, 3)),
tf.keras.layers.MaxPooling2D(2, 2),
tf.keras.layers.Conv2D(32, (3, 3), activation = 'relu'),
tf.keras.layers.MaxPooling2D(2, 2),
tf.keras.layers.Flatten(),
tf.keras.layers.Dense(512, activation = 'relu'),
tf.keras.layers.Dense(10, activation = 'softmax')
])

将input_shape（在第一个卷积层）的值从(150, 150, 3)更改为(150, 150, 4)。

仅将元组中的最后一项（此处为 3）替换为 4。这应该可以正常工作。

推荐阅读