ValueError 层序贯_13的输入0与层不兼容：预期ndim = 3，发现ndim = 4收到完整形状：（无，无，无，无）答案

【问题标题】：ValueError Input 0 of layer sequential_13 is incompatible with the layer: expected ndim=3, found ndim=4 Full shape received: (None, None, None, None)ValueError 层序贯_13的输入0与层不兼容：预期ndim = 3，发现ndim = 4收到完整形状：（无，无，无，无）
【发布时间】：2021-12-10 07:38:43
【问题描述】：

我正在尝试使用 Simple RNN 来使用 Physionet 数据库预测帕金森的步态。我正在为 RNN 提供高度为 240、宽度为 16 像素的图像。我还使用模型检查点和监控验证准确性来保存最佳权重。在尝试 RNN 的输入形状时，我收到了该错误

 ValueError: Input 0 of layer sequential_13 is incompatible with the layer: expected ndim=3, found ndim=4. Full shape received: (None, None, None, None)

RNN 模型：

model = Sequential()
model.add(SimpleRNN(24, kernel_initializer='glorot_uniform', input_shape=(64,240), return_sequences = True))
model.add(Activation('relu'))
model.add(Dropout(0.5))
model.add(Flatten())
model.add(Dense(2))
model.add(Activation('softmax'))

opt = optimizers.RMSprop(learning_rate=0.001, decay=1e-6)
epoch=10
early_stopping = EarlyStopping(monitor='val_accuracy', patience=60, verbose=1, mode='auto')
checkpoint = ModelCheckpoint("model_parkinsons.h5", 
                             monitor='val_accuracy', verbose=0, save_best_only=True, 
                             save_weights_only=False, mode='auto', save_freq='epoch')

model.compile(loss='binary_crossentropy',
              optimizer=opt,
              metrics=['accuracy'])

批量大小：64

图片高度：240

a.shape
Output: (64, 16, 240, 1)

我尝试将输入形状输入为 a.shape[1:]

但我得到了预期的错误 3 维但得到了 4 维。

请帮我解决这个问题。

【问题讨论】：

标签： keras deep-learning neural-network recurrent-neural-network

【解决方案1】：

在您的第一层中，您指定了网络的输入形状。此形状不包括您的批量大小。因此，如果您指定“input_shape=(64, 240)”，这意味着您的最终输入需要具有形状 (batch_size, 64, 240)。由于 64 是您的批量大小，看来那里肯定出了问题。此外，您的输入有四个维度：(64, 16, 240, 1)，但您的第一层需要三个维度的输入。我不太明白你想用你的模型实现什么，但是如果你在模型中输入 a[:, :, :, 0] 而不是 a. 它应该可以工作。此外，您需要在第一层设置“input_shape=(16, 240)”。如果你做了这两件事，那么你的模型会使用 RNN 一次处理一列图像。这种方法对我来说没有任何意义（因为 RNN 不用于图像处理，至少不是以这种形式），但我没有看到任何其他方式来解释你已经做过的事情。

【讨论】：