预期 conv2d_input 有 4 个维度，但得到了形状为 (1, 1, 1, 150, 75, 3) 的数组？

Question

此论坛上已发布并回答了与此类似的问题，但这个特殊情况我没有找到任何解决方案。 （我正在使用 Keras）

我有 (150,75,3) 形状的图像，我将 numpy 数组重新整形为 (1,150,75,3)

这应该可以工作，但出现了这个错误：

ValueError: Error when checking input: expected conv2d_input to have 4 dimensions, but got array with shape (1, 1, 1, 150, 75, 3)

编辑：这就是我处理图像的方式：

self.pinballEnvironmrnt = PinballEnv(self.screenDimensions,self.startPosition)
    image = pygame.surfarray.array3d(self.pinballEnvironmrnt.screen)
    #image = Image.fromarray(image)
    #image = image.resize(self.resize)
    self.state = numpy.array([image])#.reshape((-1,1200,600,3))
    print('the shape of the state ------------------> ',self.state.shape)

输出（错误未包含在此图片中）： 这是 DQN 代理：

pool_size = (2, 2)
    # MODEL 1
    self.model = Sequential()
    self.model.add(Conv2D(4, (3, 3),input_shape=(150,75,3),activation='relu'))
    # Conv Layer 2
    self.model.add(Conv2D(8, (3, 3),activation='relu'))
    # Pooling 1
    self.model.add(MaxPooling2D(pool_size=pool_size))

    self.model.add(Flatten())
    self.model.add(Dense(128,activation='relu'))
    self.model.add(Dense(64,activation='relu'))
    self.model.add(Dense(16,activation='relu'))
    self.model.add(Dense(actions,activation='linear'))
    print(self.model.summary())

Answer 1

您为Conv2D 层提供了太多维度作为输入。考虑图像在 NumPy 中表示为形状为(height, width, channels) 的矩阵。一般来说，在处理图像时，机器学习库期望作为输入批次的数据，因此实际输入形状应该是(batch_size, height, width, channels)，这就是为什么错误说预期维度是 4。实际上，如果你有一个变量 @ 987654324@ 是您所有图像的列表，如果您使用 tensorflow，则可以像 np.array(images) 或 tf.convert_to_tensor(images) 一样添加批量维度。