ValueError: 层序号_4 的输入 0 与层不兼容：预期 ndim=4，发现 ndim=3。收到的完整形状：（无，1188，6）

Question

我已经使用以下代码实现了一个模型。

model=models.Sequential()
model.add(tf.keras.layers.DepthwiseConv2D((3, 5), padding='valid', depth_multiplier=10, input_shape=(1188,1188,1)))


model.add(layers.MaxPooling2D((3,3), strides=(1, 1)))
model.add(layers.Dropout(.2))
model.add(tf.keras.layers.DepthwiseConv2D((2, 4), padding='valid', depth_multiplier=2))
model.add(layers.MaxPooling2D((2,2), strides=(1, 1)))
model.add(layers.Dropout(.2))
model.add(tf.keras.layers.DepthwiseConv2D((2, 2), padding='valid', depth_multiplier=2))
model.add(layers.MaxPooling2D((3,2), strides=(1, 2)))
model.add(layers.Dropout(.2))
model.add(layers.Flatten())

model.add(layers.Dense(5))

model.summary()

model.compile(optimizer='adam',
              loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
              metrics=['accuracy'])

model.fit(f1, labels1,batch_size=20,epochs=10)

f1和labels1的形状分别是(1188, 1188, 6)和(1188, 1188, 1)。

运行后，我得到这个错误-： ValueError: Input 0 of layer sequential_4 is incompatible with the layer: expected ndim=4, found ndim=3. Full shape received: (None, 1188, 6)

我还尝试在模型中使用input shape=(1188,1188)。

但我在运行模型时出错-:ValueError: Input 0 of layer depthwise_conv2d is incompatible with the layer: : expected min_ndim=4, found ndim=3. Full shape received: (None, 1188, 1188)

我在选择输入形状时是否犯了错误？

如果是，我应该做什么样的修改？

谢谢

Answer 1

我认为您需要将数据以 4 个维度分批传递给您的模型。例如，如果您的批量大小为 1，则以以下形状传递输入：(1,1188,1188,6)。

编辑：

在 TensorFlow 中训练模型时，应将训练数据批量传递给模型。批处理是一组图像（例如 64 张图像），其第一个维度是批处理大小。

假设您的数据集有 6400 张图像，大小为 28*28*3，并且您将批量大小设置为 64，那么您应该将训练输入提供给形状为 (64,28,28,3) 的模型。为了实现这一点，您可以执行以下操作：

import random
import numpy as np

for i in range(int(x_train.shape[0]/batch_size)):
          if len(list_of_samples) < batch_size:
            list_of_samples = [i for i in range(0, x_train.shape[0])]
          indexes = random.sample(list_of_samples, batch_size)
          for j in indexes:
            list_of_samples.remove(j)
          x_batch = x_train[indexes, :]
          y_true_batch = y_train[indexes]
          feed_dict = {x: x_batch, y_true: y_true_batch}
          session.run(optimizer, feed_dict=feed_dict)