ValueError：检查输入时出错：预期dense_1_input的形状为（9，）但得到的数组形状为（1，）答案

【问题标题】：ValueError: Error when checking input: expected dense_1_input to have shape (9,) but got array with shape (1,)ValueError：检查输入时出错：预期dense_1_input的形状为（9，）但得到的数组形状为（1，）
【发布时间】：2020-04-11 18:40:59
【问题描述】：

嗨，所以我建立了一个 DNN 网络，使用对象的特征对图像中的一些对象进行分类，如下所示：

contours, _ = cv2.findContours(imgthresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)

for contour in contours:
    features = np.array([])
    (x_start, y_start, character_width, character_height) = cv2.boundingRect(contour)
    x_end = x_start + character_width
    y_end = y_start + character_height
    character_area = character_width * character_height
    features = np.append(features, [character_width, character_height, character_area, x_start,
                                    y_start, x_end, y_end, image_width, image_height])

    print(features)
    print(features.shape)
    cv2.rectangle(image, (x_start, y_start), (x_end, y_end), (0, 255, 0), thickness=1)

print(features) 输出为：

[  5.   1.   5. 105.  99. 110. 100. 100. 117.]

而print(features.shape) 是：

(9,)

我使用以下代码构建和训练了一个 DNN：

model = Sequential()

model.add(Dense(50, input_dim=9, activation='relu'))

model.add(Dropout(0.5))

model.add(Dense(40, activation='relu'))

model.add(Dropout(0.5))

model.add(Dense(30,activation='relu'))

model.add(Dense(2, activation='softmax'))

输入层有 9 个输入特征。所以我尝试使用以下方法获得模型的预测：

model.predict_classes(features)

训练数据，CSV 文件，包含 10 列（9 个特征和 1 个用于输出）

我收到以下错误：

ValueError: Error when checking input: expected dense_1_input to have shape (9,) but got array with shape (1,)

我尝试使用以下方法重塑特征数组：

np.reshape(features,(1,9)

但这也没有用。我还是这个领域的新手

【问题讨论】：

print(features) 行输出什么？当你用np.array([]) 初始化你的数组然后附加一些东西时，我想你的数组的第一个元素是一个形状列表 (1,)
@AlexisBRENON 抱歉忘了把它的输出放在我现在将更新它的问题中
@AlexisBRENON 我用输出值更新了问题

标签： python machine-learning keras deep-learning valueerror

【解决方案1】：

这是一个最小的工作示例。

import numpy as np
import tensorflow as tf

def main():
    features = np.array([5, 1, 5, 105, 99, 110, 100, 100, 117])
    model = tf.keras.Sequential()
    model.add(tf.keras.layers.Dense(50, input_dim=9, activation="relu"))

    print(tf.expand_dims(features, 0))
    print(np.reshape(features, (1, 9)))

    print(model.predict_classes(np.reshape(features, (1, 9))))


if __name__ == '__main__':
    main()

如您所见，np.reshape 调用使其正常工作。大致相当于tf.expand_dims。

您当前的错误来自您的模型需要批量维度这一事实。因此，如果您向它传递一个形状为 (9,) 的数组，它会推断它是一批标量，而不是大小为 9 的单个数组。

【讨论】：