machine-learning - InvalidArgumentError : input must be 4-dimensional[8, 6171,4]

标签 machine-learning keras conv-neural-network flow tensor

我正在运行一个二维卷积网络。我的输入有 3 维,但是我收到了这个 4 维错误:
dimension error

如您所见,我的输入具有正确的尺寸:

correct input dimension

这是我的代码:

from keras import models
from keras import layers
model = models.Sequential()
model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(8,6171,4)))
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, activation='softmax'))

当我只构建一个 3-D 输入层时,为什么它要求我提供 4-D?

请帮忙。
谢谢。

最佳答案

你需要使用

new_image = tf.expand_dims(image,0)

因为模型需要一个数据集而不是单个图像。

关于machine-learning - InvalidArgumentError : input must be 4-dimensional[8, 6171,4],我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/52653060/

相关文章:

python - 未在 featuretools 中为我的实体集设置生成功能

search - 给定单词/短语的白名单和黑名单,查找文本的相关性

Python sklearn OneVsRestClassifier : Score function gives ValueError

python - 如何对 keras 模型使用 tensorflow 自定义损失?

python - Keras,使用 y_pred y_true 的不同属性最大化自定义损失

python - Keras LSTM 中的动态批量大小 (TensorFlow 2.x)

python - 如何匹配tensorflow(python)函数的参数

machine-learning - LSTM 历史长度与预测误差

python - 如何快速验证 CNN 是否真正学习?

machine-learning - 使用 3 channel 图像向后传递卷积层