Python 3.x 如何在Keras模型中重塑整个批次？

我试图在Keras中重塑整个批次，使其从（？，28，28，1）转变为（？/10，10，28，28，1）。是否可以使用Keras实施

我有一个数据集，其中标签是每一组图像（我们称之为“包”），而不是每一组图像本身。我想使用Keras

ImageDataGenerator

及其

flow\u from_directory（）

方法从文件夹中加载图像，然后在模型本身内部重塑图像

从keras.datasets导入mnist
将keras.backend作为K导入
从keras.layers导入Lambda
（x_列，y_列），（x_测试，y_测试）=列表负载数据（）
def测试_模型（数据）：
从keras导入模型
从keras.models导入输入
输入\图层=输入（形状=数据。形状[1:]）
层=λ（λx:K）。重塑（x，
（-1,10，*data.shape[1:]），
输出形状=（-1,10，*data.shape[1:]）（输入层）
模型=模型（输入=[输入层]，输出=[层]）
compile（优化器='adadelta'，loss='mean_squared_error'）
返回模型。预测（数据，批量大小=60）
如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'：
测试单元模型（x单元列车）

我希望模型能够重新塑造每个批次，并以某种方式返回它（老实说，我不知道Keras在预测时如何连接每个批次的结果）。 我得到的不是结果，而是错误：

---

ValueError:无法将输入数组从形状（6,10,28,28）广播到形状（60,10,28,28）

为什么要这样做？请删除

输出形状

参数。这是不必要的，也是错误的（这里不需要批次尺寸，因此不需要

-1

），结果是不可能以这种方式拆分为不同的“包”，因为我们无法在任何层中处理y_标签。我将尝试另一种预处理方法。谢谢大家的评论！为什么要这样做？删除

output\u shape

参数。这是不必要的，也是错误的（这里不需要批次尺寸，因此不需要

-1

），结果是不可能以这种方式拆分为不同的“包”，因为我们无法在任何层中处理y_标签。我将尝试另一种预处理方法。谢谢大家的评论！