ValueError：层顺序需要 1 个输入，但它接收到 239 个输入张量

Question

我正在尝试测试一个简单的卷积层，其中输入图像（1 个波段 = 灰度）是存储在列表中的 numpy 数组，目标存储在 pandas 数据帧中。输入图像的大小为 16x16。 model.fit 的输出是“层顺序需要 1 个输入，但它收到 239 个输入张量”的错误。我还检查了this link，但仍然找不到答案。谁能帮我解决这个错误？

(trainY, testY, trainX, testX) = train_test_split(df, images, test_size=0.20, random_state=42)
print (np.shape(trainY),np.shape(testY),np.shape(trainX),np.shape(testX))

result: (239, 1) (60, 1) (239, 16, 16) (60, 16, 16)

model = models.Sequential()
model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(16, 16, 1),name='Layer1'))
model.add(layers.Flatten())
model.add(layers.Dense(16, activation='relu',name='layer2'))
model.add(layers.Dense(1,activation='linear',name='Layer3'))
model.summary()

model.compile(optimizer='adam',
              loss='mean_squared_error',
              metrics=['mae'])

history = model.fit(trainX, trainY, epochs=10, 
                    validation_split=.2, batch_size=4)

Answer 1

模型架构中定义的模型预期的输入是

input_shape=(16, 16, 1)

因此，在训练时，您可以发送一批 16X16 单通道 (X1) 图像。但是您的数据形状是(239, 16, 16)。即您有一批 239 张 16X16 的图像。您所要做的就是将16X16 重塑为16X16X1。由于您的数据位于 numpy 数组中，因此您可以使用 expand_dim 执行此操作。

trainX = np.expand_dims(trainX, -1)

固定代码

model = models.Sequential()
model.add(layers.Conv2D(32, (3, 3), activation='relu', 
                        input_shape=(16, 16, 1),name='Layer1'))
model.add(layers.Flatten())
model.add(layers.Dense(16, activation='relu',name='layer2'))
model.add(layers.Dense(1,activation='linear',name='Layer3'))

model.compile(optimizer='adam',
              loss='mean_squared_error',
              metrics=['mae'])

trainY = np.random.randint(0,10, (239, 1))
trainX = np.random.randn(239, 16, 16)

trainX = np.expand_dims(trainX, -1)
history = model.fit(trainX, trainY, epochs=10, validation_split=.2, batch_size=4)