这里的 input_shape 应该是什么？ [复制]

Question

我没有太多向 Stack Overflow 发问题的经验。原谅我的错误。我会尽量做到彻底。

我有两个 numpy 数组：

1. X 与形状 (78300, 90, 90)。
2. y 与形状 (78300, 29)

• X 是一组具有高度和宽度 (90, 90) 的黑白图像。
• y 是 X 对应的编码类标签。（编码为 y = tensorflow.keras.utils.to_categorical(labels))

我正在尝试根据这些数据训练以下 CNN。

from tensorflow.keras import utils
from tensorflow.keras.optimizers import Adam
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Dropout, Flatten, Conv2D, MaxPooling2D, BatchNormalization
from tensorflow.keras.callbacks import ModelCheckpoint

model = Sequential()

model.add(Conv2D(64, (3, 3), input_shape=(90, 90, 1), activation='relu'))
model.add(MaxPooling2D((2, 2)))

model.add(Conv2D(128, (3, 3), activation='relu'))
model.add(MaxPooling2D((2, 2)))

model.add(Conv2D(256, (3, 3), activation='relu'))
model.add(MaxPooling2D((2, 2)))

model.add(BatchNormalization())

model.add(Flatten())
model.add(Dropout(0.5))
model.add(Dense(1024, activation='sigmoid'))
model.add(Dense(29, activation='softmax'))

我在运行时收到以下错误

n_classes = 29
batch = 64
epochs = 5
learning_rate = 0.001

adam = Adam(lr=learning_rate)

model.compile(optimizer=adam,
              loss='categorical_crossentropy',
              metrics=['accuracy'])

cp_callback = ModelCheckpoint(filepath=os.path.join("/output_dir", "result_folder"),
                              save_weights_only=True,
                              verbose=1)

history = model.fit(x,
                    y,
                    batch_size=batch,
                    epochs=epochs,
                    validation_split=0.1,
                    shuffle=True,verbose=1,
                   callbacks=[cp_callback])

：ValueError: Input 0 of layer sequential is incompatible with the layer: : expected min_ndim=4, found ndim=3. Full shape received: [None, 90, 90]

我不知道出了什么问题。 请帮助我。另外，如果您可以链接文档/文章/博客文章/视频，以帮助我了解图层中输入形状的细微差别，那将非常有帮助。

Answer 1

形状应该是 (78300, 90, 90, 1)。

重塑x（添加维度）：

x = x[..., tf.newaxis]