InvalidArgumentError：输入深度必须能被过滤器深度整除：4 vs 3答案

【问题标题】：InvalidArgumentError : input depth must be evenly divisible by filter depth: 4 vs 3InvalidArgumentError：输入深度必须能被过滤器深度整除：4 vs 3
【发布时间】：2020-02-11 18:05:11
【问题描述】：

我是初学者。我尝试通过 Tensorflow 进行图像分类，并得到以下错误。我在网上找到了类似的问题，但我无法理解。错误是什么意思？我该怎么做呢？请给我一些建议。我使用 100 个文件（png/15pix、15pix）作为示例图像。 Tensorflow ver.2.0.0 / python ver.3.8.1 / Jupyter notebook。

    num_epochs = 30
    steps_per_epoch = round(num_train)//BATCH_SIZE
    val_steps = 20
    history = model.fit(train_data.repeat(),
                epochs=num_epochs,
                steps_per_epoch = steps_per_epoch,
                validation_data=val_data.repeat(), 
                validation_steps=val_steps)

InvalidArgumentError：输入深度必须能被过滤器深度整除：4 vs 3 [[nodesequential_2/mobilenetv2_1.00_96/Conv1/Conv2D（定义在 C:\Users\XXXXX\Anaconda3\lib\site-packages\tensorflow_core\python\framework\ops.py:1751）]] [Op:__inference_distributed_function_42611] 函数调用栈：分布式函数

【问题讨论】：

在没有看到实际代码的情况下，我们无法告诉您代码出了什么问题——仅仅错误信息是不够的。
对不起...我上传了。

标签： python tensorflow error-handling image-comparison

【解决方案1】：

如果您的模型如下所示：

model = tf.keras.Sequential([
tf.keras.layers.Conv2D(16, (3, 3), activation = 'relu', input_shape = (150, 150, 3)),
tf.keras.layers.MaxPooling2D(2, 2),
tf.keras.layers.Conv2D(32, (3, 3), activation = 'relu'),
tf.keras.layers.MaxPooling2D(2, 2),
tf.keras.layers.Flatten(),
tf.keras.layers.Dense(512, activation = 'relu'),
tf.keras.layers.Dense(10, activation = 'softmax')
])

将input_shape（在第一个卷积层）的值从(150, 150, 3)更改为(150, 150, 4)。

仅将元组中的最后一项（此处为 3）替换为 4。那应该可以正常工作。

【讨论】：

【解决方案2】：

我找到了答案！就我而言，以下程序对其有所帮助。

XXX = tf.convert_to_tensor(XXX[:,:,:3])

我希望它也能帮助你。谢谢。

【讨论】：

【解决方案3】：

错误是由于所提供输入的尺寸不匹配造成的。该模型要求输入的深度为“3”，但给出的深度为“4”。

【讨论】：

【解决方案4】：

我遇到了这个错误，因为我使用已转换为灰度的图像作为我的数据。如果有人这样做，您可以从灰度转换为彩色格式，或者在不转换为灰度的情况下重新准备数据，这就是我所做的。

根据我找到的解决方案： “也许你正试图将灰度图像输入 CNN，它需要彩色图像。找到输入的形状，例如 Keras 中的 print(model.input.shape)，你会得到例如 (None, 224, 224, 3) 和你的输入blob 必须具有相应的形状，因此对于灰度图像，您必须将其转换为（正式）彩色图像（所有三个通道都将相同）。但是，不要忘记您还需要了解输入 blob 的其他方面- 均值，范围，偏差，......有一个好的形状，它计算了一些东西，但不考虑这些方面，计算的结果不好”

【讨论】：

请发布答案而不是添加链接..

【解决方案5】：

我认为您阅读的是 4 通道格式的图像。您应该在转发之前将输入图像转换为“RGB”。

【讨论】：