ValueError：层顺序的输入 0 与层不兼容：：预期 min_ndim=4，发现 ndim=3。收到的完整形状：[8, 28, 28]

Posted 2023-03-12

【中文标题】ValueError：层顺序的输入 0 与层不兼容：：预期 min_ndim=4，发现 ndim=3。收到的完整形状：[8, 28, 28]

【英文标题】：ValueError: Input 0 of layer sequential is incompatible with the layer: : expected min_ndim=4, found ndim=3. Full shape received: [8, 28, 28]

【发布时间】：2020-11-26 10:56:05

【问题描述】：

我不断收到与输入形状相关的错误。任何帮助将不胜感激。谢谢！

import tensorflow as tf

(xtrain, ytrain), (xtest, ytest) = tf.keras.datasets.mnist.load_data()

model = tf.keras.Sequential([
    tf.keras.layers.Conv2D(16, kernel_size=3, activation='relu'),
    tf.keras.layers.MaxPooling2D(pool_size=2),
    tf.keras.layers.Conv2D(32, kernel_size=3, activation='relu'),
    tf.keras.layers.MaxPooling2D(pool_size=2),
    tf.keras.layers.Flatten(),
    tf.keras.layers.Dense(64, activation='relu'),
    tf.keras.layers.Dense(10, activation='softmax')
    ])

model.compile(loss='categorical_crossentropy', 
              optimizer='adam',
              metrics='accuracy')

history = model.fit(xtrain, ytrain,
                    validation_data=(xtest, ytest),
                    epochs=10, batch_size=8)

【参考方案1】：

您创建的模型的输入层需要使用 4 维张量，但您传递给它的 x_train 张量只有 3 维

这意味着您必须使用 .reshape(n_images, 286, 384, 1) 重塑您的训练集。现在您已经添加了一个额外的维度而不更改数据，并且您的模型已准备好运行。

在训练模型之前，您需要将 x_train 张量重塑为 4 维。 例如：

x_train = x_train.reshape(-1, 28, 28, 1)

有关 keras 输入的更多信息Check this answer

【参考方案2】：

您需要添加渠道维度。 Keras 需要这种数据格式：

(n_samples, height, width, channels)

例如，如果您的图像是灰度图像，它们有 1 个通道，因此需要以这种格式将它们提供给 Keras：

(60000, 28, 28, 1)

不幸的是，灰度图片通常会在没有通道维度的情况下给出/下载，例如在tf.keras.datasets.mnist.load_data，这将是(60000, 28, 28)，这是有问题的。

解决方案：

您可以使用tf.expand_dims添加维度

xtrain = tf.expand_dims(xtrain, axis=-1)

现在您的输入形状将是：

(60000, 28, 28, 1)

还有其他替代方法可以做到这一点：

xtrain = xtrain[..., np.newaxis]
xtrain = xtrain[..., None]
xtrain = xtrain.reshape(-1, 28, 28, 1)
xtrain = tf.reshape(xtrain, (-1, 28, 28, 1))
xtrain = np.expand_dims(xtrain, axis=-1)

【讨论】：

你能解释一下(60000, 28, 28, 1)中的60000是什么

样本数

谢谢一件事。我有形状张量 (170, 64, 64) 但是当我增加它的维度时它变成 (170, 4096, 1) 但我想要的是： (170, 64, 64, 1) 我该怎么做？？？

np.expand_dims(your_array, axis=-1)