ValueError：检查输入时出错：预期dense_11_input 具有3 维，但得到了形状为(0, 1) 的数组

Posted 2023-03-12

【中文标题】ValueError：检查输入时出错：预期dense_11_input 具有3 维，但得到了形状为(0, 1) 的数组

【英文标题】：ValueError: Error when checking input: expected dense_11_input to have 3 dimensions, but got array with shape (0, 1)

【发布时间】：2019-05-04 23:40:34

【问题描述】：

我是机器学习和 python 方面的新手，我尝试对患者是否患有癌症进行分类。我从https://github.com/fahomid/ML-Tensorflow-Medical-Image/blob/master/tensorflow-model.py 找到了一段代码我有一个小数据集。训练集和测试集有两个患者目录，其中包含仅供尝试的 dicom 文件。代码如下；

import keras
from keras.models import Sequential
from keras.layers import Dense, Dropout, Activation, Flatten
from keras.layers import Conv2D, MaxPooling2D
import os
import pydicom
import numpy as np
import PIL

# Generate data from dicom file
dataset = [];
labels = [];
for root, dirs, files in os.walk("training_data/Cancer"):
    for file in files:
        if file.endswith(".dcm"):
            ds = pydicom.dcmread(os.path.join(root, file))
            dataset.append(ds.pixel_array)
            labels.append(1);

for root, dirs, files in os.walk("training_data/Normal"):
   for file in files:
        if file.endswith(".dcm"):
            ds = pydicom.dcmread(os.path.join(root, file))
            dataset.append(ds.pixel_array)
            labels.append(0)


dataset_size = len(dataset)
dataset = np.asarray(dataset)
labels = np.asarray(labels)

# create model
model = Sequential()
model.add(Dense(32, activation='tanh', input_shape=(512, 512)))
model.add(Flatten())
model.add(Dense(1, activation='sigmoid'))
model.compile(optimizer='rmsprop', loss='binary_crossentropy', metrics= 
['accuracy'])
model.fit(dataset, labels, epochs=10, shuffle=True, batch_size=32)

# serialize model to JSON
model_json = model.to_json()
with open("model.json", "w") as json_file:
    json_file.write(model_json)
# serialize weights to HDF5
model.save_weights("model.h5")
print("\n\nModel saved to disk\n\n")
model.summary()

错误信息行如下；

model.fit(数据集, 标签, epochs=10, shuffle=True, batch_size=32)

ValueError：检查输入时出错：预期的 dense_11_input 有 3 尺寸，但得到形状为 (0, 1) 的数组

感谢您的帮助。

【参考方案1】：

您的代码的以下部分查找包含 Cancer 和 Normal 人数据的文件（扩展名为.dcm）。它确实不找到任何东西，所以它什么也不返回。

# Generate data from dicom file
dataset = [];
labels = [];
for root, dirs, files in os.walk("training_data/Cancer"):
    for file in files:
        if file.endswith(".dcm"):
            ds = pydicom.dcmread(os.path.join(root, file))
            dataset.append(ds.pixel_array)
            labels.append(1);

for root, dirs, files in os.walk("training_data/Normal"):
   for file in files:
        if file.endswith(".dcm"):
            ds = pydicom.dcmread(os.path.join(root, file))
            dataset.append(ds.pixel_array)
            labels.append(0)

所以dataset变量的值为0，labels变量的值为1。而当调用model.fit方法时，它期望输入为(512, 512)形状的3维，但它只获取(0, 1)形状的输入。

【讨论】：

我修好了。非常感谢