Keras 提示错误：（检查输入时出错：预期 conv2d_4_input 有 4 个维度）答案

【问题标题】：Keras prompts Error: (Error when checking input: expected conv2d_4_input to have 4 dimensions)Keras 提示错误：（检查输入时出错：预期 conv2d_4_input 有 4 个维度）
【发布时间】：2019-06-13 20:39:39
【问题描述】：

这是我在 MNIST 数据集上使用卷积神经网络的代码。不幸的是，Keras 在通过网络时提示错误。感谢您的帮助。我想知道此类错误的原因。

这是错误：检查输入时出错：预期 conv2d_4_input 有 4 个维度，但得到的数组形状为 (45000, 28, 28)

model = models.Sequential()
model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28,28, 1), padding= 'same'))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(64, (3, 3), activation='relu', padding= 'same'))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(128, (3, 3), activation='relu', padding= 'same'))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Flatten())
model.add(layers.Dropout(0.4))
model.add(layers.Dense(256, activation='relu'))
model.add(layers.Dense(10, activation='softmax'))
model.compile(optimizer='rmsprop',
loss='categorical_crossentropy',
metrics=['accuracy'])
k = 4
num_val_samples = len(train_images) // k
num_epochs = 20
all_scores = []
for i in range(k):
    print('processing fold #', i)
    valid_data = train_images[i * num_val_samples: (i + 1) *
                          num_val_samples] 
    valid_labels = train_labels[i * num_val_samples: (i + 1) *
                                num_val_samples]
partial_train_images = np.concatenate(
    [train_images[:i * num_val_samples], train_images[(i + 1) * num_val_samples:]], axis=0)
partial_train_labels = np.concatenate([train_labels[:i * num_val_samples], train_labels[(i + 1) * num_val_samples:]],axis=0)

model.fit(partial_train_images, partial_train_labels,epochs=20, 
batch_size=1, verbose=0)
val_mse, val_mae = model.evaluate(val_data, val_targets, verbose=0)
all_scores.append(val_mae)

我看过其他页面，但那里的解决方案都没有帮助。

【问题讨论】：

标签： python keras deep-learning conv-neural-network

【解决方案1】：

您的数组中没有包含通道维度，对于灰度图像，它应该是一个具有一个元素的维度，因此每个样本都是(28, 28, 1)：

partial_train_images = partial_train_images.reshape((-1, 28, 28, 1))
val_data = val_data.reshape((-1, 28, 28, 1))

【讨论】：

它解决了上一个问题，但出现了一个新错误：检查目标时出错：预期dense_2有2维，但得到的数组形状为(45000, 10, 2, 2)
@Boogey_man 为什么你的标签有这种形状？这里的任务是什么？
任务是在著名的 MNIST 数据集上进行分类。诚实地。我不知道 45000 的值是从哪里来的。也许，如果我更正 input_shape 值，它可以工作吗？
你是如何加载 MNIST 数据集的？
从 Keras 通过 load.data 方法。如果有帮助，我可以通过系统文件进行参考。