ValueError：检查输入时出错：预期 conv2d_1_input 有 4 个维度，但得到了形状为 (595、10083) 的数组

Question

我正在尝试使用 Keras 构建 CNN 模型。这是我的代码：

import keras
import tensorflow as tf
from keras.layers import Dense
from keras.models import Sequential
from keras.models import load_model
from keras.callbacks import EarlyStopping  
from sklearn.model_selection import train_test_split
from __future__ import print_function
import pandas as pd
import numpy as np
from keras.datasets import cifar10
from keras.models import Sequential
from keras.layers import Dense, Dropout, Activation, Flatten
from keras.layers import Conv2D
from google.colab import drive
drive.mount('/content/drive')
                  ...

# Define x_train...data
x_data=df.iloc[:,1:10084].values-25 
# x_data = np.array(x_data).tolist()  
y_data=df[['type1','type2']].values
X_train, X_test, y_train, y_test = train_test_split(x_data, y_data,test_size=0.2)

model.fit(X_train, y_train,
          batch_size=100,
          epochs=100,
          verbose=1,
          validation_data=(X_test, y_test),
          callbacks=[history])

返回错误

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 (595, 10083)

参考其他问题后，我尝试使用

重塑数据数组的维度

X_train = X_train[np.newaxis, :, :, :]

将其更改为 3 维并返回错误：

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 (1, 595, 10083)

我应该如何将数据的维度增加到4？

Answer 1

模型的第一层，即 2D 卷积，期望（我相信）具有多个通道的 2D 图像数据。比如：

(img_height, img_width, num_channels).

此外，您需要为“批次”或“样本”提供另一个维度。因此最终的形状将是：

(num_samples, img_height, img_width, num_channels)。

因此，您需要根据我从您的代码中推断出的信息，将您的输入数据重塑为上述模式，并根据我所指出的各种维度进行解释。

您可能会查看诸如 np.reshape 和 np.expand_dims 之类的函数，具体取决于您输入数据的格式。

您可以像这样创建一些测试数据：

x_train = np.random.random((4,32,32,3))

# then try out the model prediction

model.predict(x_train)  

这是四张 32x32 尺寸和 3 个通道的图像，用于验证您的处理。

在进行实际拟合时，您还需要创建适合 y_train 的内容。

我希望这会有所帮助。