层“sequential_23”的输入 0 与层不兼容：预期形状=(None, 1797, 8, 8)，找到的形状=(None, 8, 8)答案

【问题标题】：Input 0 of layer "sequential_23" is incompatible with the layer: expected shape=(None, 1797, 8, 8), found shape=(None, 8, 8)层“sequential_23”的输入 0 与层不兼容：预期形状=(None, 1797, 8, 8)，找到的形状=(None, 8, 8)
【发布时间】：2022-12-11 07:46:20
【问题描述】：

当我适合我的模型时有一个 vallueError：“层“sequential_41”的输入 0 与层不兼容：预期形状=（无，1347,8,8），找到形状=（无，8,8）这是我的代码。

from sklearn.datasets import load_digits
digits=load_digits()
digits.keys()
from sklearn.model_selection import train_test_split
x_train,x_test,y_train,y_test=train_test_split(digits.images,digits.target)

model1=keras.Sequential([
    keras.layers.Conv2D(filters=32,kernel_size=(3,3),input_shape=(1347,8,8),activation='relu'),
    keras.layers.MaxPooling2D(2,2),

    keras.layers.Flatten(),
    keras.layers.Dense(50,activation='relu'),
    keras.layers.Dense(10,activation='sigmoid')

])
model1.compile(optimizer='SGD',
    loss='sparse_categorical_crossentropy',
             metrics=['accuracy'])

当我尝试拟合我的模型时出现错误

model1.fit(x_train,y_train,epochs=10)

【问题讨论】：

常见的误解，你给出了错误的输入形状，它不应该包含样本维度。
我给图像形状 1347,8,8
我知道，那是错误的，应该是 (8, 8)
然后我收到此错误：ValueError：层“conv2d_58”的输入 0 与层不兼容：预期 min_ndim = 4，发现 ndim = 3。已收到完整形状：（无、8、8）

标签： python tensorflow machine-learning keras deep-learning

【解决方案1】：

使用 (8, 8, 1) 和 softmax 的输入形状作为输出层的激活函数。这是一个工作示例：

from sklearn.datasets import load_digits
import tensorflow as tf

digits=load_digits()
digits.keys()
from sklearn.model_selection import train_test_split
x_train,x_test,y_train,y_test=train_test_split(digits.images,digits.target)

model1=tf.keras.Sequential([
    tf.keras.layers.Conv2D(filters=32,kernel_size=(3,3),input_shape=(8, 8, 1),activation='relu'),
    tf.keras.layers.MaxPooling2D(2,2),

    tf.keras.layers.Flatten(),
    tf.keras.layers.Dense(50,activation='relu'),
    tf.keras.layers.Dense(10,activation='softmax')

])
model1.compile(optimizer='SGD',
    loss='sparse_categorical_crossentropy',
             metrics=['accuracy'])
model1.fit(x_train,y_train,epochs=10)

【讨论】：

【解决方案2】：

调整图像大小以匹配模型的预期大小：

img = cv2.resize(img,(240,240))

返回具有 TF 想要的形状的图像：

img = img.reshape(1,240,240,3)

【讨论】：