层 max_pooling2d_5 的输入 0 与层不兼容答案

【问题标题】：Input 0 of layer max_pooling2d_5 is incompatible with the layer层 max_pooling2d_5 的输入 0 与层不兼容
【发布时间】：2021-02-10 23:07:10
【问题描述】：

在尝试训练我的模型时，我得到了

 ValueError: Input 0 of layer max_pooling2d_5 is incompatible with the layer: expected ndim=4, found ndim=5. Full shape received: (None, None, 180, 180, 16)

我的图像形状是(32, 180, 180, 3)，它是 4 维的。我也在洗牌和批处理我的训练数据集：train_ds = train_ds.shuffle(100).batch(4)

网络

num_classes = 101

model = Sequential([
  layers.experimental.preprocessing.Rescaling(1./255, input_shape=(img_height, img_width, 3)),
  layers.Conv2D(16, 3, padding='same', activation='relu'),
  layers.MaxPooling2D(),
  layers.Conv2D(32, 3, padding='same', activation='relu'),
  layers.MaxPooling2D(),
  layers.Conv2D(64, 3, padding='same', activation='relu'),
  layers.MaxPooling2D(),
  layers.Conv2D(128, 3, padding='same', activation='relu'),
  layers.MaxPooling2D(),
  layers.Conv2D(256, 3, padding='same', activation='relu'),
  layers.MaxPooling2D(),
  layers.Flatten(),
  layers.Dense(128, activation='relu'),
  layers.Dense(num_classes, activation='softmax')
])

是什么导致了这种回溯？

【问题讨论】：

标签： python tensorflow keras

【解决方案1】：

您的原始图像似乎已经批处理。如果你批处理一个 4D 张量，它将输出一个形状的张量：

(4, 32, 180, 180, 3)

我建议您不要第二次批量处理图像。由于您将image_dataset_from_directory 与batch_size=32 一起使用，因此您无需使用.batch(4)。

【讨论】：

这意味着从我的image_dataset_from_directory 函数中删除batch_size=32 参数，对吗？在这方面我是个初学者。
不，在这种情况下，您应该删除batch(4)
虽然这解决了我的主要问题，但最初建议使用 batch()，因为在训练模型时整体性能较低，我尝试应用缓存，这很快导致“内存不足”异常，并增加卷积层的数量。您还有什么建议可用于加快培训过程吗？我的数据集由 101.000 张图像组成。
但是 32 号大小的批处理已经完成。你的错误是批处理