我有一个以下形状的火车数据集： (300, 5, 720)
[[[ 6. 11. 389. ..., 0. 0. 0.]
[ 2. 0. 0. ..., 62. 0. 0.]
[ 0. 0. 18. ..., 0. 0. 0.]
[ 38. 201. 47. ..., 0. 108. 0.]
[ 0. 0. 1. ..., 0. 0. 0.]]
[[ 136. 95. 0. ..., 0. 0. 0.]
[ 85. 88. 85. ..., 0. 31. 0.]
[ 0. 0. 0. ..., 0. 0. 0.]
[ 0. 0. 0. ..., 0. 0. 0.]
[ 13. 19. 0. ..., 0. 0. 0.]]]
我试图将每个样本作为输入传递给cnn模型，每个输入的大小为 (5,720) ，我在keras中使用以下模型：
cnn = Sequential()
cnn.add(Conv2D(64, (5, 50),
padding="same",
activation="relu",data_format="channels_last",
input_shape=in_shape))
cnn.add(MaxPooling2D(pool_size=(2,2),data_format="channels_last"))
cnn.add(Flatten())
cnn.add(Dropout(0.5))
cnn.add(Dense(number_of_classes, activation="softmax"))
cnn.compile(loss="categorical_crossentropy", optimizer="adam", metrics=
['accuracy'])
cnn.fit(x_train, y_train,
batch_size=batch_size,
epochs=epochs,
validation_data=(x_test, y_test),
shuffle=True)
我使用输入形状为：
rows,cols=x_train.shape[1:]
in_shape=(rows,cols,1)
但我收到以下错误：
ValueError：检查模型输入时出错：预期conv2d_1_input有4个维度，但得到的数组有形状（300,5,720）
我该如何解决这个错误？
1 回答
这是Keras Convolutions中最经典的错误之一 . 其根源在于，当使用
channels_last输入维度时，即使只有一个通道，也需要使输入具有维度(height, width, channels). 所以基本上重塑：应该解决你的问题 .