将数据集的维度从 (32,32,3,10000) 更改为 (10000,32,32,3) 以训练 CNN答案

【问题标题】：Change the dimension of data set from (32,32,3,10000) to (10000,32,32,3) for training the CNN将数据集的维度从 (32,32,3,10000) 更改为 (10000,32,32,3) 以训练 CNN
【发布时间】：2021-03-17 21:52:39
【问题描述】：

我有一个维度为 (32, 32, 3, 10000) 的训练数据集，测试维度为 (32, 32, 3, 1000) 的数据集。我正在尝试建立一个 cnn 模型来预测图像。我尝试了以下架构。

  model = keras.Sequential(layers = [
  keras.layers.Conv2D(32, kernel_size = (3,3), input_shape=(32,32,3)),
  keras.layers.Conv2D(32, kernel_size = (3,3), padding='same',activation='relu'),
  keras.layers.MaxPool2D(pool_size=(2,2), strides=2, padding='valid'),
  keras.layers.Flatten(),
  keras.layers.Dense(units = 32, activation='relu'),
  keras.layers.Dense(units = 32, activation='softmax')
])


model.compile(optimizer='adam', loss = 'sparse_categorical_crossentropy', metrics=['acc'])

history = model.fit(train_images, train_label, batch_size=10, epochs=3, verbose=1, validation_data=(test_images, test_label))

然后它给我一个错误

 ValueError: Data cardinality is ambiguous:
  x sizes: 32
  y sizes: 10000
Please provide data which shares the same first dimension.

然后我尝试通过改变拟合线来重塑训练和测试数据，如下所示

history = model.fit(train_images.reshape(10000,32,32,3), train_label, batch_size=10, epochs=5, verbose=1, validation_data=(test_images.reshape(1000,32,32,3), test_label))

然后程序运行，但我很困惑，当我尝试从数据集中绘制图像时，它显示如下。

重塑数据集有什么问题？如何使用此数据集制作 cnn 模型？

【问题讨论】：

标签： python numpy tensorflow google-colaboratory reshape

【解决方案1】：

你需要转置，而不是重塑：

train_images.transpose([3, 0, 1, 2])

Reshape 批量获取所有数据，并开始更改每个维度的元素数量。转置更改维度的层次结构，但将数据保存在适当的位置。详解：https://lihan.me/2018/01/numpy-reshape-and-transpose/#:~:text=numpy.,format%20array%20into%20that%20shape.&text=Transpose%2C%20on%20the%20other%20hand,in%20a%20higher%20dimensional%20setting.

【讨论】：