ValueError：检查输入时出错：预期 conv2d_36_input 的形状为

Question

当我尝试运行我的训练模型时出现错误，我应该怎么做才能通过错误报告？我的模型或我的重塑部分有什么问题吗？这是我的重塑部分# Reshape and normalize training datatrainX = train.reshape(train.shape[0], 1, 10, 10).astype( 'float32' )x_train = trainX / 255.0y_train = train[:,99]# print(y_train)# # # Reshape and normalize test datatestX = test.reshape(test.shape[0], 1, 10, 10).astype(     'float32' )x_test = testX / 255.0y_test = test[:,99]# print(y_test)这是我的模型：model = Sequential()model.add(Conv2D(32, (3, 3), input_shape=(3, 32, 32), activation='relu', padding='same'))model.add(Dropout(0.2))model.add(BatchNormalization())model.add(Conv2D(64, (3, 3), padding='same'))model.add(Activation('relu'))model.add(MaxPooling2D(pool_size=(2, 2)))model.add(Dropout(0.2))model.add(BatchNormalization())然后如果我将我的数据重塑为 3*32*32 然后出现值错误报告：---------------------------------------------------------------------------ValueError                                Traceback (most recent call last)<ipython-input-31-36bf3e556ae8> in <module>()----> 1 trainX = train.reshape(train.shape[0], 3, 32, 32).astype( 'float32' )  2 x_train = trainX / 255.0  3 y_train = train[:,10]  4 # print(y_train)  5 # # # Reshape and normalize test data

Answer 1

训练和测试数据集的输入形状与您的模型不同。使用input_shape()时，您需要记住所需输入的大小。在您的情况下，您的形状看起来像 (1,10,10)，这是一个 10x10 图像，具有一级通道/深度（即黑白图像）。但是，您使用的模型需要 (3,32,32) 形状，该形状被转换为 32x32 尺寸的彩色图像（即 3 通道代表 RGB 颜色）。

因此，如果您按照以下代码更改模型，它可能会起作用，但您还需要优化其他参数，例如 Conv2D 所需的特征图：

model.add(Conv2D(32, (3, 3), **input_shape=(1, 10, 10)**,activation='relu', padding='same'))