我不断收到一个维度错误，它说它期望输入有 4 个维度，但形状为 (2062,64,64)。

Question

x = np.load('/Users/bharddwajvemulapalli/Documents/tensorFlowProjects/Sign-language-digits-dataset 2/X.npy')
y = np.load('/Users/bharddwajvemulapalli/Documents/tensorFlowProjects/Sign-language-digits-dataset 2/Y.npy')
x = x/255
from tensorflow.keras.datasets import cifar10
from tensorflow.keras.preprocessing.image import ImageDataGenerator
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Dropout, Activation,Flatten, Conv2D, MaxPooling2D  #dense means fully connected
from tensorflow.keras.callbacks import TensorBoard
print(x.shape) # (2062, 64, 64)
BATCH_SIZE = 32
model = Sequential()
model.add(Conv2D(64,(6,6), input_shape = (64,64,1))) #figure out this input shape parameter to make this work
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size = (2,2)))

model.add(Conv2D(3,3))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size = (2,2)))

model.add(Flatten())

model.add(Dense(1))
model.add(Activation('relu'))
model.add(Flatten())
model.add(Dense(1)) #output layer
model.add(Activation('sigmoid'))

model.compile(loss = 'sparse_categorical_crossentropy', optimizer  ='adam' , metrics = ['accuracy'])
#x = np.arange(8445952)
#x= np.reshape(64,64,1)
model.fit(x,y,batch_size = 32, epochs = 2, validation_split  =.1)

以上是我的代码。我认为 keras 会自动将 batch_size 附加到 (64,64,1) 以便我可以获得 4 个维度，因为当我自己添加第四个维度时，我会收到一个错误，即它不期望一个维度为 5 的数组。

Answer 1

x 必须是 4 维的，其中第 4 维是通道数。由于在您的情况下只有1 频道，您可以通过

添加频道

if x.ndim == 3:
    x = np.expand_dims(x, axis=-1)

这将在末尾添加一个新维度。