Tensorflow/Keras Conv2D 层中的输入形状错误

Question

我是第一次使用 Keras 构建卷积神经网络，但遇到了一些问题。 CNN 的目的是检测 490x640px 灰度图像中的模式，我已将其转换为 3D numpy 数组。我的 Pandas 数据框的图像数据列中的每张图像都具有(490, 640, 1) 的形状。

我的代码如下所示：

from sklearn.model_selection import train_test_split
import tensorflow as tf
from tensorflow.keras import layers, models

# Assigning values to split the dataset into training and test data.
X = data[0]
Y = data[1]

# Allocate 20% of the dataset to be used as test data
train_images, test_images, train_labels, test_labels = train_test_split(X, Y, test_size=0.2, random_state=10)

class_names = ['Neutral', 'Anger', 'Contempt', 'Disgust', 'Fear', 'Happy', 'Sadness', 'Surprise']

model = models.Sequential()
model.add(layers.Conv2D(490, (3, 3), activation="relu", input_shape=(490, 640, 1)))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(100, (3, 3), activation='relu'))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(100, (3, 3), activation='relu'))

此时我的模型总结如下：

Model: "sequential_1"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
conv2d_1 (Conv2D)            (None, 488, 638, 490)     4900      
_________________________________________________________________
max_pooling2d (MaxPooling2D) (None, 244, 319, 490)     0         
_________________________________________________________________
conv2d_2 (Conv2D)            (None, 242, 317, 100)     441100    
_________________________________________________________________
max_pooling2d_1 (MaxPooling2 (None, 121, 158, 100)     0         
_________________________________________________________________
conv2d_3 (Conv2D)            (None, 119, 156, 100)     90100     
=================================================================
Total params: 536,100
Trainable params: 536,100
Non-trainable params: 0

然后我有以下内容：

model.add(layers.Flatten())
model.add(layers.Dense(64, activation='relu'))
model.add(layers.Dense(8, activation='softmax'))

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

history = model.fit(train_images, train_labels, epochs=10, 
                    validation_data=(test_images, test_labels))

问题是当我尝试运行它时，我收到以下错误：

ValueError：检查输入时出错：预期 conv2d_1_input 有 4 个维度，但得到的数组形状为 (261, 1)

我必须指出train_images.shape 返回值(261,)，而train_images[0].shape 返回(490, 640, 1)。

这在理论上对我来说是有意义的，但我仍然不知道如何为我的 CNN 正确地塑造我的数据，以及如何检测我是否做错了什么。

Answer 1

问题是您的某些图像大小不等。您可以轻松验证，例如：

shapes = list()
for i in X:
    shapes.append(i.shape)

sorted_shapes = np.sort(np.array(shapes).sum(axis=1))
assert sorted_shapes[0] == sorted_shapes[1], 'Not all pictures have equal size.'

如果此行引发错误，您将不得不裁剪/调整它们的大小。