我正在嘗試tf.data.Dataset使用以下代碼將 numpy 數組轉換為 a：train_dataset = tf.data.Dataset.from_tensor_slices((traininput, train[:, :, :, 1:4]))但是，我的數據集現在缺少它的第一個維度。numpy 數組都具有 1000、128、128、3 的形狀，并且數據集縮減為 128、128、3 的形狀。這會在嘗試訓練我的模型時導致錯誤：檢查輸入時出錯：expected input_2 to have 4 dimensions, but got array with shape (128, 128, 3) 我已嘗試根據加載 numpy 數據的 tensorflow 教程工作。為什么會發生這種情況，我該如何解決？正如建議的那樣，我在下面提供了一個 mcve：import tensorflow as tfimport numpy as npinp = np.random.rand(100, 128, 128, 3)out = np.random.rand(100, 126, 126, 3)model = tf.keras.Sequential( [ tf.keras.layers.InputLayer(input_shape=(128, 128, 3)), tf.keras.layers.Conv2D( filters=32, kernel_size=3, strides=(2, 2), activation='relu'), tf.keras.layers.Conv2DTranspose( filters=3, kernel_size=3, strides=(2, 2), padding="SAME", activation='relu'), ])model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])train_dataset = tf.data.Dataset.from_tensor_slices((inp, out))model_history = model.fit(train_dataset, epochs=10)它以：Error when checking input: expected input_1 to have 4 dimensions, but got array with shape (128, 128, 3)
2 回答
嚕嚕噠
TA貢獻1784條經驗 獲得超7個贊
您需要batch在數據集上設置大小，以便它返回多個示例，而不僅僅是一個。這也會將維度數更改為 4。
import tensorflow as tf
import numpy as np
inp = np.random.rand(100, 128, 128, 3)
# *** Had to set the last dim below to 1 to avoid another error with the accuracy
out = np.random.rand(100, 126, 126, 1)
model = tf.keras.Sequential(
[
tf.keras.layers.InputLayer(input_shape=(128, 128, 3)),
tf.keras.layers.Conv2D(
filters=32, kernel_size=3, strides=(2, 2), activation='relu'),
tf.keras.layers.Conv2DTranspose(
filters=3,
kernel_size=3,
strides=(2, 2),
padding="SAME",
activation='relu'),
]
)
model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])
train_dataset = tf.data.Dataset.from_tensor_slices((inp, out))
# *** Setting batch size of 10 below
train_dataset = train_dataset.batch(10)
model_history = model.fit(train_dataset, epochs=10)
注意：我必須更改out張量的最后一個維度以避免出現不同的錯誤：
ValueError: Can not squeeze dim[3], expected a dimension of 1, got 3 for 'metrics/accuracy/Squeeze' (op: 'Squeeze') with input shapes: [?,126,126,3]
ibeautiful
TA貢獻1993條經驗 獲得超6個贊
我假設您有 100 張尺寸為 128x128 的圖像，它們是 3 通道（RGB）。而且您的網絡無法一次獲取所有圖像。它應該一步獲得一張圖像。所以你有2個選擇：
使用 for 循環遍歷數據集，從數據集中獲取一張圖像輸入和一張輸出圖像
使用批處理。告訴您網絡您將使用批次：
tf.keras.layers.InputLayer(input_shape=(None, 128, 128, 3))-輸入占位符中的 Tensorflow 批次大小
添加回答
舉報
0/150
提交
取消