重塑数据集以正确大小答案

【问题标题】：Reshaping dataset to correct size重塑数据集以正确大小
【发布时间】：2020-12-11 10:02:03
【问题描述】：

我正在尝试学习 tensorflow，并且正在尝试从 sklearn 导入手写数据集，但出现以下错误：

ValueError: Input 0 of layer conv2d is incompatible with the layer: : expected min_ndim=4, found ndim=3. Full shape received: [None, 1797, 64]

我的代码：

X,y = load_digits(return_X_y=True)

X = X/255.0

model = Sequential()
model.add(Conv2D(64,(3,3),input_shape=X.shape))
model.add(Activation("relu"))
model.add(MaxPooling2D(pool_size=(2,2)))

什么是正确的形状？

【问题讨论】：

标签： python tensorflow machine-learning scikit-learn computer-vision

【解决方案1】：

Conv2D 层需要以下形状的输入：(num_examples, height, width, channels)。您正在寻找Conv1D 层，因为您的输入形状（根据错误）的形状为：(num_examples, height, width)。

【讨论】：

【解决方案2】：

load_digits 返回一个展平的数组，因此您需要重新整形为 8x8 并解压。

import tensorflow as tf
from sklearn import datasets
from tensorflow.keras.layers import *

X,y = datasets.load_digits(return_X_y=True)

X = X/255.0

X = X.reshape(-1, 8, 8, 1)

model = tf.keras.Sequential()
model.add(Conv2D(64,(3,3),input_shape=X.shape[1:]))
model.add(Activation("relu"))
model.add(MaxPooling2D(pool_size=(2,2)))

model.build(input_shape=(8, 8, 1))

model(X)

<tf.Tensor: shape=(1797, 3, 3, 64), dtype=float32, numpy=
array([[[[0.00000000e+00, 0.00000000e+00, 1.79972278e-03, ...,
          3.92661383e-03, 0.00000000e+00, 2.93043372e-03],
         [3.34757613e-03, 0.00000000e+00, 0.00000000e+00, ...,
          4.03874973e-03, 0.00000000e+00, 0.00000000e+00],
         [5.52046159e-03, 1.12290974e-04, 0.00000000e+00, ...,
          0.00000000e+00, 0.00000000e+00, 0.00000000e+00]]]]

【讨论】：