使用TensorFlow时形状不匹配错误

Question

代码如下:-

from tensorflow.keras.applications.mobilenet import preprocess_input

**Import of Datasets**

from tensorflow.keras.datasets import cifar10

通过将像素除以255来规范化图像

(train_images, train_labels), (test_images, test_labels) = cifar10.load_data()

将像素值归一化为0到1之间

train_images, test_images = train_images / 255.0, test_images / 255.0

将标签转换为类别

class_names = ['airplane', 'automobile', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck']

plt.figure(figsize=(10,10))
for i in range(25):  
plt.subplot(5,5,i+1)  
plt.xticks([])
plt.yticks([])
plt.grid(False)
plt.imshow(train_images[i])
plt.xlabel(class_names[train_labels[i][0]])
plt.show()    

创建卷积库

m1 = Sequential()
m1.add(layers.Conv2D(128, (3, 3), activation='relu', input_shape=(256,256,3)))
m1.add(layers.MaxPooling2D((2, 2)))
m1.add(layers.Conv2D(64, (3, 3), activation='relu'))
m1.add(layers.MaxPooling2D((2, 2)))
m1.add(layers.Conv2D(32, (3, 3), activation='relu'))
m1.summary()

**Add Dense Layer On Top**

m1.add(layers.Flatten())
m1.add(layers.Dense(64, activation='relu'))
m1.add(layers.Dense(10))
m1.summary()

编译和训练CNN架构'

此步骤后出现错误

m1 = Sequential()
m1.add(Conv2D(128,(3,3),activation='relu',input_shape=(256,256,3)))
m1.add(MaxPooling2D(pool_size=(2,2)))
m1.add(Conv2D(64,(3,3),activation='relu'))           
m1.add(MaxPooling2D(pool_size=(2,2)))

m1.add(Conv2D(64,(3,3),activation='relu'))           
m1.add(MaxPooling2D(pool_size=(2,2)))
m1.add(Flatten())
m1.add(Dense(32,activation='relu'))
m1.add(Dense(16,activation='relu'))
m1.add(Dense(10,activation='softmax'))             
m1.compile(optimizer='adam',loss='sparse_categorical_crossentropy',metrics=['acc'])   # multiclass and therefore categorical_crossentropy
h1 = m1.fit(x_train,y_train,validation_data=(x_test,y_test),epochs=10)

Answer 1

在顺序模型中，您在第一层将input_shape传递为(256,256,3)，如下所示。

m1.add(layers.Conv2D(128, (3, 3), activation='relu', input_shape=(256,256,3)))

这意味着你指示你的模型拍摄高度和宽度为256像素的图像，并有3个通道，即RGB。

但是，现在请注意，您正在将cifar10数据集传递给您的模型。它们的形状是(32,32,3)。因此产生了错误。给定的图像大小与模型期望的大小不匹配。

对模型的第一层进行以下更改，即

m1.add(layers.Conv2D(128, (3, 3), activation='relu', input_shape=(32,32,3)))

这应该会消除这个错误。

在错误中，你会注意到形状为None的None,256,256,3。它表示批处理大小。模型可以以批处理模式拍摄图像。他们可以使用多张图片进行训练和预测。由于批大小对任何人来说都不是固定的，所以它表示为None。这是留给像你和我这样的开发人员来决定什么批处理适合我们的CPU或GPU。