Keras CNN与卷积2D不兼容

Question

我正在学习卷积神经网络，想为MNIST数据创建一个。每当我在CNN中添加卷积层时，就会出现一个错误：

输入0与层conv2d\u 4不兼容：预期ndim=4，发现ndim=5

我曾试图重塑X\列车数据集，但没有成功 我尝试先添加一个展平层，但返回以下错误：

输入0与层conv2d\u 5不兼容：预期ndim=4，发现ndim=2

import keras
from keras.preprocessing.image import ImageDataGenerator
from keras.models import Sequential
from keras.layers import Convolution2D
from keras.layers import Flatten, Dense, Dropout
img_width, img_height = 28, 28
mnist = keras.datasets.mnist
(X_train, Y_train), (X_test, Y_test) = mnist.load_data()
(X_train, y_train), (X_test, y_test) = mnist.load_data()

X_train = keras.utils.normalize(X_train, axis=1) #Normalizes from 0-1 (originally each pixel is valued 0-255)
X_test = keras.utils.normalize(X_test, axis=1) #Normalizes from 0-1 (originally each pixel is valued 0-255)
Y_train = keras.utils.to_categorical(Y_train) #Reshapes to allow ytrain to work with x train
Y_test = keras.utils.to_categorical(Y_test)

from sklearn import preprocessing
lb = preprocessing.LabelBinarizer()
Y_train = lb.fit_transform(Y_train)
Y_test = lb.fit_transform(Y_test)

#Model
model = Sequential()
model.add(Flatten())
model.add(Convolution2D(16, 5, 5, activation='relu', input_shape=(1,img_width, img_height, 1)))
model.add(Dense(128, activation='relu'))
model.add(Dense(128, activation='relu'))
model.add(Dropout(.2))
model.add(Dense(64, activation='relu'))
model.add(Dense(10, activation='softmax'))

model.compile(optimizer = 'adam',
            loss='categorical_crossentropy',
            metrics=['accuracy'])
model.fit(X_train, Y_train, epochs=3, verbose=2)

val_loss, val_acc = model.evaluate(X_test, Y_test) #Check to see if model fits test
print(val_loss, val_acc)

如果我把卷积层注释掉，它工作得很好（准确率>95%），但我计划在将来制作一个更复杂的需要卷积的神经网络，这是我的出发点

Answer 1

Keras正在寻找一个4维张量，但它得到的ndim是2维张量。 首先确保Conv2D层中的内核大小在括号中 model.add(Convolution2D(32, (3, 3), activation='relu', input_shape=(img_height, img_height, 1)))

其次，您需要重塑X_列，X_测试变量，因为Conv2D层需要张量输入。你知道吗

X_train = X_train.reshape(-1,28, 28, 1) #Reshape for CNN - should work!! X_test = X_test.reshape(-1,28, 28, 1) model.fit(X_train, Y_train, epochs=3, verbose=2)

有关Conv2D的更多信息，可以查看Keras文档here

希望这有帮助。你知道吗

Answer 2

代码中有两个问题。你知道吗

1. 您将对标签进行两次编码，一次使用to_categorical，另一次使用LabelBinarizer。这里不需要后者，所以只需使用to_categorical将标签编码为分类的。你知道吗

2.-输入的形状不正确，应该是(28, 28, 1)。你知道吗

此外，还应该在卷积层之后添加Flatten层，以便Dense层正常工作。你知道吗