對神經網絡層的輸入形狀錯誤

我想用MNIST數據集對手寫數字進行分類以訓練我的模型。我的模型訓練成功，精度達到98.9％。但是，當我嘗試輸入自定義圖像時，它會顯示以下錯誤：對神經網絡層的輸入形狀錯誤

Error when checking : expected conv2d_4_input to have shape (None, 28, 28, 1) but got array with shape (1, 1, 28, 28)

這是第一個卷積圖層，即輸入圖層。我能做些什麼來解決這個問題？這是我的卷積神經網絡：

conv_model = Sequential() 
conv_model.add(Conv2D(filters, kernel_size[0], input_shape=(28 , 28 , 1))) 
conv_model.add(Activation(act)) 
conv_model.add(Conv2D(filters, kernel_size[0])) 
conv_model.add(Activation(act)) 
conv_model.add(MaxPool2D(pool_size=(2,2))) 
conv_model.add(Dropout(0.25)) 
conv_model.add(Flatten()) 
conv_model.add(Dense(128)) 
conv_model.add(Activation(act)) 
conv_model.add(Dropout(0.5)) 
conv_model.add(Dense(10)) 
conv_model.add(Activation('softmax')) 
#conv_model.summary()

編制詳細信息：

conv_model.compile(loss='categorical_crossentropy', optimizer='adadelta', metrics=['accuracy'])

完整的源代碼： https://github.com/tanmay-edgelord/HandwrittenDigitRecognition

的圖像：如果需要任何進一步的細節請評論。

來源

2017-07-02 Tanmay Bhatnagar

該錯誤消息是相當平直：

你的第一層被期待着與形狀數據（無，28個，28，1），其中，「無」可以是任何數目（它的批量大小，如何你有很多例子）。
另一方面，您的數據有形狀（1，1，28，28）。

在我看來，這種混淆很普遍：Keras將渠道置於最後維度，而您的數據首先擁有渠道。

解決方案：

只是重塑正確格式的數據：（1，28，28，1）。

但你是否試圖給整個圖像的模型？如果是這樣，它將不能很好地工作，它期望28 x 28像素的圖像。

您將不得不在每個不同的28×28圖像中分隔每個數字。你必須考慮到你的形象在黑色和白色方面被顛倒的可能性。通常MNIST數據具有黑色背景（0值）和白色數字（1個值）。

來源

2017-07-02 11:53:02

我用cv2.resize功能，爲每個功能cv2.contour發現輪廓調整圖像傳遞給重塑功能（每輪廓解決在這種情況下將是一個數字）。此外，我試着輸入大小1,28,28,1到cv2.resize，但它給了我只有2個參數預計的錯誤。我強烈建議您檢出performRecognition代碼 –

我在後端使用張量流 –

正常使用cv2並稍後重新設計結果。準備完成後重塑'roi'，就在使用'model.predict'之前。如果'roi'是一個numpy數組，就像'roi = roi.reshape（（1,28,28,1））'一樣簡單。如果沒有，使它成爲一個numpy數組：'roi = np.array（roi）'。 –

的問題得到了由使用了正確的輸入大小

roi2 = roi.reshape(1,28,28,1)

來源

2017-07-02 12:04:38

對神經網絡層的輸入形狀錯誤

回答

相關問題