如何修正keras模型中的输入形状误差

我尝试使用本教程执行语义分段： 我对他的笔记本做了一点修改，但我成功地训练出了50%准确率的模型

我已经尝试过重塑输入数组，但它不起作用。 代码如下：

test=X_列[0]
测试形状
>>> (480, 640, 4)
并行_模型预测（试验）
>>>ValueError：检查输入时出错：预期输入_3有4个维度，但得到了具有形状的数组（480、640、4）

模型如下：

def UNet（）：
f=[16,32,64,128,256]
输入=keras.layers.Input（（480640,4））
p0=输入
c1，p1=向下_块（p0，f[0]）#128->64
c2，p2=向下_块（p1，f[1]）#64->32
c3，p3=向下_块（p2，f[2]）#32->16
c4，p4=向下_块（p3，f[3]）#16->8
bn=瓶颈（p4，f[4]）
u1=上_区块（bn，c4，f[3]）#8->16
u2=上向块（u1，c3，f[2]）16->32
u3=上_块（u2，c2，f[1]）#32->64
u4=上_块（u3，c1，f[0]）#64->128
输出=keras.layers.Conv2D（4，（1，1），padding=“same”，activation=“sigmoid”）（u4）
模型=keras.models.model（输入、输出）
回归模型

我知道这是一个noob错误，但我真的想解决它

Keras使用“批量”，从不使用单个图像

这意味着它需要4个维度

（批量大小，480640,4）

test =  X_train[0]
test.shape
>>> (480, 640, 4)
test = test.reshape((-1, 480, 640, 4))
test.shape
>>> (1, 480, 640, 4)

如果要使用单个图像进行预测，则需要具有shape

（1480640,4）

的输入数组

test =  X_train[0]
test.shape
>>> (480, 640, 4)
test = test.reshape((-1, 480, 640, 4))
test.shape
>>> (1, 480, 640, 4)

---

现在您可以

parallel\u model.predict（test）

predict需要成批输入，而不是单个输入。因此，尝试将样本数添加为一个维度，即1，并相应地重塑