"ValueError: Input 0 of layer "sequential" is incompatible with the layer" In prediction
"ValueError: Input 0 of layer "sequential" is incompatible with the layer" In prediction
我正在尝试对我的和其他人的声音进行分类，然后将其应用到未来的程序中。我为此使用了 CNN 模型，在训练中它给出了非常好的结果，我将音频转换为频谱图供 CNN 理解。
问题出在预测上，我做了同样的事情，将音频转换为频谱图，但它给了我这个错误。
ValueError: Input 0 of layer "sequential" is incompatible with the layer: expected shape=(None, 129, 1071, 1), found shape=(None, 1071)
我在模型中输入了这个并且没有报错
model.add(Conv2D(32, kernel_size=(3, 3), activation='relu', input_shape=(129, 1071, 1)))
model.add(Conv2D(64, kernel_size=(3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(num_classes, activation='softmax'))
这是我的预测代码
### VOICE CLASSIFICATION ###
voice_model = load_model(os.path.abspath('Models/voiceclassify2.model'))
classes = ['Other', 'Bernardo']
sample = os.path.abspath('Voiceclassification/Data/me/5.wav')
samplerate, data = wavfile.read(str(sample))
# convert into spectogram
frecuencies, times, spectogram = signal.spectrogram(data, samplerate)
vc_prediction = voice_model.predict(spectogram)[0]
idx = np.argmax(vc_prediction)
label = classes[idx]
print(label, " | ", vc_prediction[idx]*100, "%")
有什么想法吗？
编辑：
经过一些摆弄后，这是解决方案：
一方面，输入的最终维度存在错误（input_shape 中的 1）。这表示通道数（想想图像中的 RGB 通道）。为了扩展我们的频谱图，我们可以使用
spectrogram = spectrogram.reshape(spectrogram.shape + (1,)) 或
spectrogram = np.expand_dims(spectrogram, -1).
此时频谱图的形状为(129, 1071, 1)。
另一方面，在推理过程中删除了第一个维度 (129)，因为 TensorFlow 会将其解释为批处理维度。您可以通过将频谱图包装在一个（一个元素）NumPy 数组中来解决这个问题，如下所示：
spectrogram = np.array([spectrogram])
现在频谱图的形状是 (1, 129, 1071, 1) 这正是我们需要的。
原文：
这绝对是评论而不是答案，但由于缺乏声誉，我不能写这些，所以请随意将其移至评论...
所以问题是预期的形状（以及您的网络的架构）和您的数据的形状不匹配。
我想那是因为 predict() 调用希望您交出一批（查看每个形状的第一个维度）样本进行评估。
您可以通过使用列表将 spectrogram 参数包装在预测调用中来解决此问题：vc_prediction = voice_model.predict([spectogram])[0]。
如果这不能解决问题，我建议进一步研究训练和评估数据的形状，我喜欢在运行时以调试模式执行此操作。
我正在尝试对我的和其他人的声音进行分类，然后将其应用到未来的程序中。我为此使用了 CNN 模型，在训练中它给出了非常好的结果，我将音频转换为频谱图供 CNN 理解。 问题出在预测上，我做了同样的事情，将音频转换为频谱图，但它给了我这个错误。
ValueError: Input 0 of layer "sequential" is incompatible with the layer: expected shape=(None, 129, 1071, 1), found shape=(None, 1071)
我在模型中输入了这个并且没有报错
model.add(Conv2D(32, kernel_size=(3, 3), activation='relu', input_shape=(129, 1071, 1)))
model.add(Conv2D(64, kernel_size=(3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(num_classes, activation='softmax'))
这是我的预测代码
### VOICE CLASSIFICATION ###
voice_model = load_model(os.path.abspath('Models/voiceclassify2.model'))
classes = ['Other', 'Bernardo']
sample = os.path.abspath('Voiceclassification/Data/me/5.wav')
samplerate, data = wavfile.read(str(sample))
# convert into spectogram
frecuencies, times, spectogram = signal.spectrogram(data, samplerate)
vc_prediction = voice_model.predict(spectogram)[0]
idx = np.argmax(vc_prediction)
label = classes[idx]
print(label, " | ", vc_prediction[idx]*100, "%")
有什么想法吗？
编辑：
经过一些摆弄后，这是解决方案：
一方面，输入的最终维度存在错误（input_shape 中的 1）。这表示通道数（想想图像中的 RGB 通道）。为了扩展我们的频谱图，我们可以使用
spectrogram = spectrogram.reshape(spectrogram.shape + (1,)) 或
spectrogram = np.expand_dims(spectrogram, -1).
此时频谱图的形状为(129, 1071, 1)。
另一方面，在推理过程中删除了第一个维度 (129)，因为 TensorFlow 会将其解释为批处理维度。您可以通过将频谱图包装在一个（一个元素）NumPy 数组中来解决这个问题，如下所示：
spectrogram = np.array([spectrogram])
现在频谱图的形状是 (1, 129, 1071, 1) 这正是我们需要的。
原文：
这绝对是评论而不是答案，但由于缺乏声誉，我不能写这些，所以请随意将其移至评论...
所以问题是预期的形状（以及您的网络的架构）和您的数据的形状不匹配。
我想那是因为 predict() 调用希望您交出一批（查看每个形状的第一个维度）样本进行评估。
您可以通过使用列表将 spectrogram 参数包装在预测调用中来解决此问题：vc_prediction = voice_model.predict([spectogram])[0]。
如果这不能解决问题，我建议进一步研究训练和评估数据的形状，我喜欢在运行时以调试模式执行此操作。