时间戳

首页 > 解决方案 > Keras Conv2D - ValueError：层顺序的输入0与层不兼容：：预期的min_ndim = 4，发现ndim = 3

python - Keras Conv2D - ValueError：层顺序的输入0与层不兼容：：预期的min_ndim = 4，发现ndim = 3

问题描述

我知道，已经有一些这样的问题，但我找不到任何解决这个问题的方法。

我创建了一个这样的模型：

def CreateModel(optimizer=optimizer, loss=loss, learn_rate=learn_rate, activity_regularizer=activity_regularizer):
    model = keras.Sequential([
            keras.layers.Conv2D(32,3,input_shape=(9,21,1)),
            keras.layers.Flatten(),
            keras.layers.Dense(32, activation='relu', kernel_initializer=keras.initializers.RandomUniform(maxval=1, minval=0), bias_initializer=keras.initializers.Zeros(), activity_regularizer=activity_regularizer),
            keras.layers.Dense(2, activation='softmax', kernel_initializer=keras.initializers.RandomUniform(maxval=1, minval=0), bias_initializer=keras.initializers.Zeros(), activity_regularizer=activity_regularizer)
            ])
    model.compile(optimizer=optimizer,
              loss=loss,
              metrics=['accuracy', keras.metrics.FalseNegatives(), keras.metrics.FalsePositives(), keras.metrics.Precision(), keras.metrics.Recall()])
    return model

我的输入由 300 个 9x21 灰度图像组成。

如果没有 Conv2D 层，它工作得非常好。但是有了这个 Conv2D 层，我得到了错误：

ValueError: Input 0 of layer sequential is incompatible with the layer: : expected min_ndim=4, found ndim=3

我还尝试了其他一些 input_shapes，例如：

keras.layers.Conv2D(32,3,input_shape=(300,9,21,1))

keras.layers.Conv2D(32,3,input_shape=(300,9,21))

但没有成功。

谢谢刺

标签： pythontensorflowkerasconv-neural-networkreshape

解决方案

刺，

只需确保为模型提供 [n_items,9,21,1] 形状的数据即可。利用data = tf.expand_dims(data, axis =-1)

或者先添加 Reshape 图层：

tf.keras.layers.Reshape((9,21,1), input_shape=(9,21))

推荐阅读