与 Keras 中输入张量数量相关的错误

Question

我将一系列 float32 灰度图像作为具有 16*16 形状的列表输入到 python 并尝试使用从 Pandas 数据框输入的标签执行回归任务。

这里是图片的形状和 df:

print(np.shape(images))
(2000, 16, 16)

print(np.shape(df))
(2000, 1)

我使用了 sklearn 中的 train_test_split 来拆分数据进行训练和测试：

print (np.shape(trainY),np.shape(testY),np.shape(trainX),np.shape(testX))
(1700, 1) (300, 1) (1700, 16, 16) (300, 16, 16)

我正在使用以下模型进行预测，但是 model.fit returns 错误并且没有运行训练。

model = models.Sequential()
model.add(layers.Dense(512, activation='relu', input_shape=(16 * 16 * 1,)))
model.add(layers.Dense(512, activation='relu'))
model.add(layers.Dense(1, activation='linear'))

model.compile(optimizer='adam',
              loss='mean_squared_error',
              metrics=['mae'])

history = model.fit(trainX, trainY, epochs=50, validation_split=.2, batch_size=128,verbose=1)

ValueError: Layer sequential_18 expects 1 input(s), but it received 1700 input tensors

我也在model.fit之前测试了trainX = np.expand_dims(trainX, -1)，但它仍然给出另一个错误。谁能帮我解决这个问题？

ValueError: Input 0 of layer sequential_18 is incompatible with the layer: expected axis -1 of input shape to have value 256 but received input with shape (None, 16, 16, 1)

Answer 1

你的下一层只是 Dense，所以在你的网络顶部添加一个 Flatten 层就可以完成这项工作（不需要额外操作输入图像）

trainX = np.random.uniform(0,1, (1700, 16, 16))
trainY = np.random.uniform(0,1, (1700, 1))

model = models.Sequential()
model.add(layers.Flatten(input_shape=(16,16)))
model.add(layers.Dense(512, activation='relu'))
model.add(layers.Dense(512, activation='relu'))
model.add(layers.Dense(1, activation='linear'))

model.compile(optimizer='adam',
              loss='mean_squared_error',
              metrics=['mae'])

history = model.fit(trainX, trainY, epochs=50, 
                    validation_split=.2, batch_size=128, verbose=1)

还要注意正确处理图像...

图像存储在数组列表中。您必须将列表转换为单个形状数组 (n_sample, 16, 16).

这可以简单地完成：

images = np.asarray(images)

与 Keras 中输入张量数量相关的错误

Error related to the number of input tensors in Keras

python

gdal

keras

tensorflow