ValueError：层顺序的输入 0 与层不兼容：：预期 min_ndim=4，发现 ndim=3。收到的完整形状：[None, 32, 32]

Question

import imageio
import glob
import numpy as np
import tensorflow as tf
from tensorflow.keras import datasets, layers, models
import matplotlib.pyplot as plt

trainImages = []
for imagePath in glob.glob('C:/Users/razva/*.png'):
     image = imageio.imread(imagePath)
     trainImages.append(image)
trainImages = np.array(trainImages)

f = open('C:/Users/razva/train.txt')
trainLabels = f.readlines()
for i in range(len(trainLabels)):
     trainLabels[i] = int(trainLabels[i][11])
trainLabels = np.array(trainLabels)

validationImages = []
for imagePath in glob.glob('C:/Users/razva/*.png'):
     image = imageio.imread(imagePath)
     validationImages.append(image)
validationImages = np.array(validationImages)
f = open('C:/Users/razva/validation.txt')
validationLabels = f.readlines()
for i in range(len(validationLabels)):
     validationLabels[i] = int(validationLabels[i][11])
validationLabels = np.array(validationLabels)

mean_image = np.mean(trainImages, axis = 0)
sd = np.std(trainImages)
trainImages = (trainImages - mean_image) / sd

mean_image1 = np.mean(validationImages, axis = 0)
sd1 = np.std(validationImages)
validationImages = (validationImages - mean_image1) / sd1

model = models.Sequential()
model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(32, 32, 3)))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(64, (3, 3), activation='relu'))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(64, (3, 3), activation='relu'))

model.add(layers.Flatten())
model.add(layers.Dense(64, activation='relu'))
model.add(layers.Dense(10))

model.compile(optimizer='adam', loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True), metrics=['accuracy'])

history = model.fit(trainImages, trainLabels, epochs=10, validation_data=(validationImages, validationLabels))

我有这个用于图像分类的 cnn，trainImages 和 trainLabel（从 0 到 8）是训练数据，validationImages 和 validationLabel 用于测试。图片是 32 * 32。我无法让这个算法工作，如果你发现更多错误请告诉我。

Answer 1

我无法准确判断问题出在哪里，因为我无法访问加载的图像，但问题是您提供的样本没有“通道”轴，在指定的 input_shape=(32, 32, 3) 中显示为具有大小3. 每个样本（图像）必须有 3 个维度（宽度、高度、通道），但相反，您传递的样本只有 2 个维度（宽度和高度）。

这很可能是因为您可能正在加载只有一个通道的灰度图像，而 numpy 没有明确指定一个轴。如果是这种情况，请确保 trainImages 和 validationImages 都具有形状 (32, 32, 1)，否则只需使用 np.expand_dims(_trainImages_, axis=-1) 扩展最后一个维度（对于验证集）在将它们提供给模型之前。因此，将第一个 Conv2D 层中的 input_shape 调整为 (32, 32, 1)。

希望对您有所帮助，否则请让我了解更多详细信息。