TensorFlow增加了从2维到3维的缩放问题

Question

在TensorFlow中缩放到三维数组时遇到一些问题。简而言之，我在下面的代码中恢复了这些问题。

import numpy as np
import tensorflow as tf

mymodel2d = tf.keras.Sequential([
tf.keras.layers.Input(shape=(28, 28)),
tf.keras.layers.Dense(128, activation='relu'),
tf.keras.layers.Dense(10)
])
mymodel2d.compile(optimizer='adam', loss='mse')

mymodel3d = tf.keras.Sequential([
tf.keras.layers.Input(shape=(28, 28, 3)),
tf.keras.layers.Dense(128, activation='relu'),
tf.keras.layers.Dense(10)
])
mymodel3d.compile(optimizer='adam', loss='mse')
xx2d = np.zeros((28,28))
xx3d = np.zeros((28,28,3))
print(xx2d.shape)
print(xx3d.shape)
out1 = mymodel2d.predict(xx2d)
out2 = mymodel3d.predict(xx3d)

model2d工作正常，但在model3d上，当尝试执行out2 = mymodel3d.predict(xx3d)行时会出现以下问题。

上升的误差为：ValueError: Input 0 of layer "sequential_1" is incompatible with the layer: expected shape=(None, 28, 28, 3), found shape=(None, 28, 3)

有人能提示我理解这种行为吗？

Answer 1

您的数组形状应该以一开头，因此请调用

xx2d = np.zeros((1, 28, 28))
xx3d = np.zeros((1, 28, 28, 3))

你可以在这里找到解释。