我该如何解决这个与 Keras 的 Conv2D 相关的问题？

Question

我创建了以下神经网络：

model = keras.Sequential()
model.add(layers.Conv2D(3, (3,3), activation="relu", padding="same", input_shape=constants.GRID_SHAPE))
model.add(layers.MaxPooling2D((3,3)))
model.add(layers.Flatten())
model.add(layers.Dense(constants.NUM_ACTIONS), activation="softmax")

其中 constants.GRID_SHAPE 是 (4,12).

我收到以下错误：

ValueError: Input 0 of layer "conv2d" is incompatible with the layer: expected min_ndim=4, found ndim=3. Full shape received: (None, 4, 12)

我该如何解决这个问题？

Answer 1

如果您打算使用 Conv2D 层，请确保您有一个不包括批量大小的 3D 输入形状。当前您有一个 2D 输入形状。还要确保激活函数 softmax 是 Dense 层的一部分：

import tensorflow as tf

model = tf.keras.Sequential()
model.add(tf.keras.layers.Conv2D(3, (3,3), activation="relu", padding="same", input_shape=(4, 12, 1)))
model.add(tf.keras.layers.MaxPooling2D((3,3)))
model.add(tf.keras.layers.Flatten())
model.add(tf.keras.layers.Dense(5, activation="softmax"))

如果您的输入数据的形状是 (samples, 4, 12)，您可以使用 data = tf.expand_dims(data, axis=-1) 为您的数据添加一个额外的维度，使其与 Conv2D 层兼容。

如果您不想添加新维度，您也可以简单地使用 Conv1D 图层：

import tensorflow as tf

model = tf.keras.Sequential()
model.add(tf.keras.layers.Conv1D(3, 3, activation="relu", padding="same", input_shape=(4, 12)))
model.add(tf.keras.layers.MaxPooling1D(3))
model.add(tf.keras.layers.Flatten())
model.add(tf.keras.layers.Dense(5, activation="softmax"))

我该如何解决这个与 Keras 的 Conv2D 相关的问题？

How can I fix this problem related to Conv2D of Keras?

python

tensorflow

keras

conv-neural-network