检查输入时出错：预期 input_1 有 5 个维度，但得到了形状为 (740、19、163、279) 的数组答案

【问题标题】：Error when checking input: expected input_1 to have 5 dimensions, but got array with shape (740, 19, 163, 279)检查输入时出错：预期 input_1 有 5 个维度，但得到了形状为 (740、19、163、279) 的数组
【发布时间】：2021-07-25 14:13:19
【问题描述】：

我正在尝试在尺寸为 (19,163,279) 的图像（以 NumPy 数组的形式）上训练 3D CNN。我的 X_train 的形状为 (740,19,163,279)，y_train 的形状为 (185,19,163,279)。

if K.image_data_format() == 'channels_first':
    INPUT_SHAPE = (1, 19, 163, 279)
else:
    INPUT_SHAPE = (19, 163, 279, 1)

这是我的模型

def get_model(width=163, height=279, depth=19):
    """Build a 3D convolutional neural network model."""

    inputs = keras.Input(INPUT_SHAPE)

    x = layers.Conv3D(filters=64, kernel_size=3, activation="relu",padding='same')(inputs)
    x = layers.MaxPool3D(pool_size=2,padding='same')(x)
    x = layers.BatchNormalization()(x)

    x = layers.Conv3D(filters=64, kernel_size=3, activation="relu",padding='same')(x)
    x = layers.MaxPool3D(pool_size=2,padding='same')(x)
    x = layers.BatchNormalization()(x)

    x = layers.Conv3D(filters=128, kernel_size=3, activation="relu", padding='same')(x)
    x = layers.MaxPool3D(pool_size=2,padding='same')(x)
    x = layers.BatchNormalization()(x)

    x = layers.Conv3D(filters=64, kernel_size=3, activation="relu", padding='same')(x)
    x = layers.MaxPool3D(pool_size=2,padding='same')(x)
    x = layers.BatchNormalization()(x)

    x = layers.GlobalAveragePooling3D()(x)
    x = layers.Dense(units=16, activation="relu")(x)
    x = layers.Dropout(0.3)(x)

    outputs = layers.Dense(units=1, activation="sigmoid")(x)

    # Define the model.
    model = keras.Model(inputs, outputs, name="3dcnn")
    return model


# Build model.
model = get_model(width=163, height=279, depth=19)
model.summary()

但是，在使用以下代码进行训练时，

# Train the model, doing validation at the end of each epoch
epochs = 100
model.fit(
    X_train,
    validation_data=y_test,
    epochs=epochs,
    shuffle=True,
    verbose=2,
    callbacks=[checkpoint_cb, early_stopping_cb],
)

我收到以下错误

Error when checking input: expected input_1 to have 5 dimensions, but got array with shape (740, 19, 163, 279)

我该如何解决这个问题？

【问题讨论】：

根据您的数据，您的 INPUT_SHAPE 必须为 (19, 163, 279)... 无需添加其他维度。另外，我不知道你为什么不带标签（y=None）而只使用 y_test 作为验证数据
标签在那里。我只是没有在问题中包含那部分代码。我将 INPUT_SHAPE 从 (1,19,163,279) 和 (19,163,279,1) 更改为 (19,163,279)。但现在我收到一个新错误，“conv3d 层的输入 0 与该层不兼容：预期 ndim=5，发现 ndim=4。收到完整形状：[None, 19, 163, 279]”
对于您的数据，您应该使用 Conv2d
但这 19 个通道之间存在某种关系，我希望我的模型也能够从中学习以进行分类。如何使用 Conva3D 解决？
如果你应该为你的输入数组添加维度... np.expand_dims(X_train, -1) （这是最后一个通道）

标签： python tensorflow keras deep-learning

【解决方案1】：

我认为你不清楚代码在做什么。

对于普通图像，您应该使用 2D CNN。 3D CNN 用于 CT 扫描和 MRI 图像。
您的输入形状必须是图像的形状，不包括示例数。您的 INPUT_SHAPE 应该是 (19, 263, 179)
您的内核大小应该有多个过滤器 = 卷积层的维度。例如，对于 Conv2D 层，您的 kernel_size 将等于 (3, 3)
在 model.fit() 中，您必须传递 X_train，然后是 y_train，然后是其余参数。模型还能从哪些标签中学习？
在 model.fit() 中，validation_data 参数是 (X_test, y_test) 的列表

希望这能澄清一切

【讨论】：

但是我的输入图像是 NumPy 数组，这里有 19 个通道。这些单独的通道之间存在一些关系，我希望我的模型也可以从中学习以进行更好的分类。所以我必须使用 3D CNN 对吗？
我进行了您建议的更改，但现在我收到此错误->“检查输入时出错：预期 conv3d_1_input 有 5 个维度，但得到了形状为 (740、19、163、279) 的数组"