python - Keras模型的矩阵大小误差

喀拉拉邦遇到一些问题。我只是试图构建模型并使其运行，然后对其进行调整。因此，可以这么说，我仅使用99张图像和99个标签。作为参考，我正在使用它为我提供连续的输出，而不仅仅是类标签。下面是我正在使用的代码。首先，我有一个导入所有数据的脚本。 99张图像和99个标签。

当我进行模型零件的拟合时，会抛出一个错误。 “ ValueError：检查模型目标时出错：预期cropping2d_1具有4个维，但数组的形状为（99，1）”。

我读过其他一些有关类似错误的线程，看来这可能是我发送keras数组的顺序。我玩了一下，得到了以下内容。当前，图像数组的形状为（99,160,320,3）。我尝试将keras中“ input_shape”的顺序更改为（3,160,320）。这给了我一个错误“ ValueError：检查模型输入时出错：预期cropping2d_input_1具有形状（无，3、160、320），但数组的形状为（99、160、320、3）”。然后，我重新调整了images_center数组的形状，得到与上述相同的错误。

我省略了import语句，只是为了使它简短。

对下一步有什么想法吗？

#Import col 3 to get a length of the dataset
df = pd.read_csv('/Users/user/Desktop/data/driving_log.csv',usecols=[3])

#import and make a matrix of the file paths and data
f = open('/Users/user/Desktop/data/driving_log.csv')
csv_f = csv.reader(f)
m=[]
for row in csv_f:
  n=(row)
  m.append(n)

#Create labels data
labels=[]
for i in range(1,100):
    label=(m[i][3])
    labels.append(label)
list1=[]
for i in range(len(labels)):
    ix=float(labels[i])
    list1.append(ix)
labels=list1
labels=np.array(labels)


#Create features data
#Loop through file paths, combine base path with folder path then read in and append
images_center=[]
for i in range(1,100):
    img=(m[i][0])
    img=img.lstrip()
    path='/Users/user/Desktop/data/'
    img=path+img
    image=cv2.imread(img)

    images_center.append(image)
images_center=np.array(images_center)
print(images_center.shape)

# Fix error with TF and Keras
import tensorflow as tf
tf.python.control_flow_ops = tf
print(images_center.shape)


model = Sequential()
model.add(Convolution2D(16,3,3,border_mode='valid',input_shape=(160,320,3)))


model.compile('adam','categorical_crossentropy',['accuracy'])
history=model.fit(images_center,labels,nb_epoch=10,validation_split=0.2)

最佳答案

您的标签（即“目标”）的形状为（99，1），因此网络应产生相同形状的输出。尝试在最后添加一个完全连接的层，例如model.add(Dense(1))。

关于python - Keras模型的矩阵大小误差，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/42308481/