ValueError：输入 0 与层 conv2d_1 不兼容：预期 ndim=4，发现 ndim=3答案

【问题标题】：ValueError: Input 0 is incompatible with layer conv2d_1: expected ndim=4, found ndim=3ValueError：输入 0 与层 conv2d_1 不兼容：预期 ndim=4，发现 ndim=3
【发布时间】：2019-04-14 10:04:36
【问题描述】：

在询问了已经提出的关于这个问题的问题后，我继续提出它。我试图将字母从 A 分类到 D。所有输入图像都是 64x64 和灰色。

我的CNN的第一层是：

model = Sequential()
model.add(Conv2D(32, (3,  3), input_shape = input_shape, activation = 'relu'))

input_shape 来自：

# Define the number of classes
num_classes = 4
labels_name={'A':0,'B':1,'C':2,'D':3}

img_data_list=[]
labels_list=[]

for dataset in data_dir_list:
    img_list=os.listdir(data_path+'/'+ dataset)
    print ('Loading the images of dataset-'+'{}\n'.format(dataset))
    label = labels_name[dataset]
    for img in img_list:
    input_img=cv2.imread(data_path + '/'+ dataset + '/'+ img )
          input_img=cv2.cvtColor(input_img, cv2.COLOR_BGR2GRAY)
          input_img_resize=cv2.resize(input_img,(128,128))
          img_data_list.append(input_img_resize)
          labels_list.append(label)

img_data = np.array(img_data_list)
img_data = img_data.astype('float32')
img_data /= 255
print (img_data.shape)

labels = np.array(labels_list)
print(np.unique(labels,return_counts=True))

#convert class labels to on-hot encoding
Y = np_utils.to_categorical(labels, num_classes)

#Shuffle the dataset
x,y = shuffle(img_data,Y, random_state=2)

# Split the dataset
X_train, X_test, y_train, y_test = train_test_split(x, y, test_size=0.2, random_state=2)

#Defining the model
input_shape=img_data[0].shape
print(input_shape)

【问题讨论】：

input_shape的值是多少？
input_shape=img_data[0].shape 和 img_data 来自input_shape=img_data[0].shape

标签： python tensorflow keras conv-neural-network valueerror

【解决方案1】：

Conv2d 需要输入形状（batchsize、w、h、过滤器）。

您需要在 conv 层之前添加一个 reshape 以适应数据：

 model.add(Reshape((64, 64, 1)))

这会将您的模型尺寸设置为 [None, 64,64,1] 并且对于 Conv2d 应该没问题。

【讨论】：

【解决方案2】：

CNN 模型在使用多层（卷积层和池化）时需要维度更大的数据集。为了避免负维度问题，增加图像维度或减少 CNN 层。它有效..

【讨论】：