在 keras 中为 (60000, 28, 28) 数组定义输入形状时出错答案

【问题标题】：Error defining an input shape in keras for (60000, 28, 28) array在 keras 中为 (60000, 28, 28) 数组定义输入形状时出错
【发布时间】：2023-10-04 01:10:01
【问题描述】：

我正在使用 keras 和 tensorflow 建立我的第一个神经网络。我将输入输入到一个形状数组 (60000, 28, 28) 中，但是当我尝试将其提供给模型时，我收到输入形状错误的错误。

我尝试了多种不同的输入形状，包括 (60000, 28, 28) (1, 28, 28) (28, 28) (28, 28, 1)，但它们似乎都不起作用。

model = kr.Sequential()

model.add(InputLayer(input_shape=(60000, 28, 28)))
model.add(Dense(units=784, activation='relu'))
model.add(Dense(units=392, activation='relu'))
model.add(Dense(units=196, activation='relu'))
model.add(Dense(units=10, activation='softmax'))

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

training = model.fit(x=images_array, y=labels_array, epochs=10, batch_size=256)

我希望它适用于输入形状 (60000, 28, 28)，但我总是收到此错误：

ValueError：检查输入时出错：预期 input_1 有 4 尺寸，但得到了形状为 (60000, 28, 28) 的数组

编辑：

感谢所有回答的人。 cho_uc 答案确实有效，这就是我接受它的原因。我应该在帖子中提到的是，我正在尝试构建一个仅包含 Dense 层的模型，因此我可以将其用作未来模型的基准。

我解决了输入层问题：

images_array = images_array.reshape(-1, 28 * 28)

model.add(InputLayer(input_shape=(784, )))

【问题讨论】：

标签： python python-3.x tensorflow keras mnist

【解决方案1】：

KerasConv2D 层执行卷积操作。它要求其输入是一个 4 维数组。根据您的设置和后端（theano 或 tensorlow 图像布局约定），我们必须将输入重塑为 ( , 1, 28, 28) 或可能为 ( , 28, 28, 1)。

from keras import backend as K
if K.image_data_format() == 'channels_first' :
   input_shape = (1, 28, 28)
   X_train = X_train.reshape(X_train.shape[0], 1, 28, 28)
   X_test = X_test.reshape(X_test.shape[0], 1, 28, 28)
else:
   input_shape = (28, 28, 1)
   X_train = X_train.reshape(X_train.shape[0], 28, 28, 1)
   X_test = X_test.reshape(X_test.shape[0], 28, 28, 1)

因此，您应该将数据重塑为 (60000, 28, 28, 1) 或 (60000, 1, 28, 28)

【讨论】：

【解决方案2】：

需要进行两次更正。

TF 和 Keras 期望图像尺寸为（宽度、高度、通道），RGB 图像的通道为 3，灰度图像的通道为 1。

model.add(InputLayer(input_shape=(28, 28, 1)))

fit() 方法的训练输入必须具有维度（样本数、宽度、高度、通道）。

assert images_array.shape == (60000, 28, 28, 1)

【讨论】：