keras: ValueError: ввод 0 несовместим со слоем convolution2d_11: ожидается ndim=4, найдено ndim=2

    model.add(Convolution2D(64, 3, 3, border_mode='same', input_shape=(32, 32, 3)))
    model.add(Activation('relu'))
    model.add(Convolution2D(32, 3, 3))
    model.add(Activation('relu'))
    model.add(MaxPooling2D(pool_size=(2, 2)))
    model.add(Dropout(0.25))

    model.add(Convolution2D(64, 3, 3, border_mode='same'))
    model.add(Activation('relu'))
    model.add(Convolution2D(64, 3, 3))
    model.add(Activation('relu'))
    model.add(MaxPooling2D(pool_size=(2, 2)))
    model.add(Dropout(0.25))

    model.add(Flatten())
    model.add(Dense(512))
    model.add(Activation('relu'))
    model.add(Dropout(0.5))
    model.add(Dense(10))
    model.add(Activation('softmax'))

это ошибка

ValueError                                Traceback (most recent call last)
<ipython-input-21-a60216c72b54> in <module>()
----> 1 model.add(Convolution2D(64, 3, 3, border_mode='same', input_shape=(3, 32, 32)))
      2 model.add(Activation('relu'))
      3 model.add(Convolution2D(32, 3, 3))
      4 model.add(Activation('relu'))
      5 model.add(MaxPooling2D(pool_size=(2, 2)))

/home/pranshu_44/anaconda3/lib/python3.5/site-packages/keras/models.py in add(self, layer)
    330                  output_shapes=[self.outputs[0]._keras_shape])
    331         else:
--> 332             output_tensor = layer(self.outputs[0])
    333             if isinstance(output_tensor, list):
    334                 raise TypeError('All layers in a Sequential model '

/home/pranshu_44/anaconda3/lib/python3.5/site-packages/keras/engine/topology.py in __call__(self, x, mask)
    527             # Raise exceptions in case the input is not compatible
    528             # with the input_spec specified in the layer constructor.
--> 529             self.assert_input_compatibility(x)
    530 
    531             # Collect input shapes to build layer.

/home/pranshu_44/anaconda3/lib/python3.5/site-packages/keras/engine/topology.py in assert_input_compatibility(self, input)
    467                                          self.name + ': expected ndim=' +
    468                                          str(spec.ndim) + ', found ndim=' +
--> 469                                          str(K.ndim(x)))
    470             if spec.dtype is not None:
    471                 if K.dtype(x) != spec.dtype:

ValueError: Input 0 is incompatible with layer convolution2d_11: expected ndim=4, found ndim=2

я пытаюсь классифицировать изображения cifar 10, но получаю эту ошибку в соответствии с документами [https://keras.io/layers/convolutional/][1] мой ответ правильный, но я не знаю, почему я получаю эту ошибку

  • я должен использовать (Нет, 32,32,3) размеры

deep-learning keras-layer convolution
person Pranshu Shah    schedule 07.03.2017    source источник
comment
Как вы используете свой сценарий?   -  person Marcin Możejko    schedule 07.03.2017

Ответы (1)


arrow_upward
1
arrow_downward

Слой Conv2D требует на вход 4 измерения, но, видимо, вы даете только 2. Но я уверен, что вы это уже заметили.

Согласно adventuresinmachinelearning :

Формат предоставляемых данных: [i, j, k, l], где i — количество обучающих выборок, j — высота изображения, k — вес, а l — номер канала.

Я не знаком с данными, которые вы используете, но значение для l (номер канала) должно быть:

[Для] изображения в оттенках серого l всегда будет равно 1 (если бы у нас было изображение RGB, оно было бы равно 3)

Итак, в основном вам просто нужно:

import tensorflow as tf
tf.reshape(your_image_tensor, [-1, 28, 28, 1]) #For a grayscale image
tf.reshape(your_image_tensor, [-1, 28, 28, 3]) #For a RGB image

Внесение соответствующих изменений в собственный код. Если вы не хотите использовать тензорный поток, я рекомендую вам прочитать это

Обновление: вы также можете изменять форму массивов с помощью numpy.reshape(). ">https://docs.scipy.org/doc/numpy/reference/generated/numpy.reshape.html

person John Doe    schedule 11.08.2018