使用tensorflow时Python中的值错误

Question

我在尝试运行脚本时遇到此错误：

Input 0 of layer "conv2d_1" is incompatible with the layer: expected min_ndim=4, found ndim=2. Full shape received: (None, 6).

我有一个形状为 (332240, 6, 160,160) 的输入数据。基本上对于每个目标数据，我想输入 6 张图像。我还有一个形状为 (332240, 6) 的辅助数据集，在展平图像后将其与图像数据连接起来。 这是我用来构建模型的代码。

    image_inputs = [Input(shape=(160,160,1) for _ in range(6)]
    array_input = Input(shape=(6,)

    # Convolutional Layer
    conv_outputs = []
    for imgs in image_inputs:
      
      x = Conv2D(32, (3, 3), activation='relu', kernel_initializer='he_uniform')(imgs)
      x = MaxPooling2D((2, 2))(x)
  
      # Flatten the convolutional output
      x = Flatten()(x)
      conv_outputs.append(x)
    
    #concatenate the flattened images together 
    conv_concat = Concatenate()(conv_outputs)
    
    # Concatenate the flattened images and array inputs
    concatenated_inputs = Concatenate()([conv_concat, array_input])

    # Create the model architecture
    for units in (100,10):
        concatenated_inputs = Dense(units, activation='relu')(concatenated_inputs)

    # Output layer for regression
    output_layer = Dense(1, activation='linear')(concatenated_inputs)

    # Create the final model with inputs and output
    final_model = Model(inputs=[image_inputs, array_input], outputs=output_layer)

    # Compile the model
    if optimizer == 'sgd':
        sgd_optimizer = SGD(learning_rate = 0.01, momentum = 0.9)
        optimizer = sgd_optimizer

    final_model.compile(optimizer=optimizer, loss= 'mean_squared_error', metrics= ['mean_squared_error','mean_absolute_error'])

final_model.fit([img_array,int_array],target_array,validation_split = 0.2, verbose = 1, batch_size = 32)

img_array 的形状为 (332240, 6, 160, 160)，value_array 的形状为 (332240,6)，target_array 的形状为 (3332240,1)。

如有任何帮助，我们将不胜感激。

Answer 1

如果有 7 个

Input

层，则需要 7 个输入。问题在于，网络不会将

(332240, 6, 160, 160)

的

img_array

拆分为 6 个

Input

层，而是将其作为一个输入处理，并将其全部分配给第一个

Input

，然后分配给第二个

Input 

得到

int_array

并且出现形状不匹配错误。
以下为您提供 6 张具有 1 个通道和 1 个数组输入的图像，以及 1000 个点的目标数据：

inputs = [np.random.rand(1000, 160, 160, 1).astype(np.float32) for _ in range(6)] + [np.random.rand(1000, 6).astype('float32')]
target_array = np.random.rand(1000, 1)

请注意，这不是有用的数据，而应仅显示正确的输入形状。