Keras input shape抛出值错误，预计为4d，但得到了一个形状为（60000，28，28）的数组

Question

(x_train, y_train), (x_test, y_test) = tf.keras.datasets.fashion_mnist.load_data()
x_train = x_train.astype('float32') / 255
x_test = x_test.astype('float32') / 255

x_train.shape #Shape is (60000, 28, 28)

然后模型确定输入形状为28,28,1，因为60k是样本。

model2 = tf.keras.Sequential()
# Must define the input shape in the first layer of the neural network
model2.add(tf.keras.layers.Conv2D(filters=64, kernel_size=2, padding='same', activation='relu', input_shape=(28,28,1))) 
model2.add(tf.keras.layers.MaxPooling2D(pool_size=2))
model2.add(tf.keras.layers.Dropout(0.3))
model2.add(tf.keras.layers.Conv2D(filters=32, kernel_size=2, padding='same', activation='relu'))
model2.add(tf.keras.layers.MaxPooling2D(pool_size=2))
model2.add(tf.keras.layers.Dropout(0.3))
model2.add(tf.keras.layers.Flatten())
model2.add(tf.keras.layers.Dense(256, activation='relu'))
model2.add(tf.keras.layers.Dropout(0.5))
model2.add(tf.keras.layers.Dense(10, activation='softmax'))
model2.compile(loss='categorical_crossentropy',
             optimizer='adam',
             metrics=['accuracy'])
model2.fit(x_train,
         y_train,
         batch_size=64,
         epochs=25,)

我得到错误：值错误：检查输入时的错误：预期conv2d_19_input有4个维度，但得到了具有形状（60000, 28, 28)的数组

就像每次我试图理解输入形状时一样，我会更加困惑。就像我现在对conv2d和dense的输入形状感到困惑一样。无论如何，为什么这是错误的？

Answer 1

缺少通道维度（值为1），可以通过重塑阵列来轻松更正：

x_train = x_train.reshape((-1, 28, 28, 1))
x_test = x_test.reshape((-1, 28, 28, 1))

Answer 2

是的，这是正确的。参数input\u shape准备取3个值。但是，函数Conv2D需要4D数组作为输入，包括：

1. 样本数量

而函数load_data（）是一个由宽度、高度和样本数组成的3D数组。

您可以期望通过简单的重塑来解决问题：

train_X = train_X.reshape(-1, 28,28, 1)
test_X = test_X.reshape(-1, 28,28, 1)

keras文件中更好的定义：

输入形状：具有形状的4D张量：（批次、通道、行、通道）如果data_format是“channels_first”，或具有形状的4D张量：（批次、行、通道）如果data_format是“channels_last”。