Python 3.x 神经网络层的错误输入形状

我正在尝试使用MNIST数据集对手写数字进行分类，以训练我的模型。我的模型训练成功，准确率达到98.9%。但当我尝试输入自定义图像时，会显示以下错误：

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

这是第一个卷积层，即输入层。 如何解决此问题？ 这是我的卷积神经网络：

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()

汇编详情：

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

完整的源代码：

图像：

---

如果需要任何进一步的详细信息，请发表评论。

错误消息非常直接：

• 您的第一层需要具有形状的数据（None、28、28、1），其中“None”可以是任何数字（这是批量大小，您有多少个示例）
• 另一方面，您的数据具有形状（1、1、28、28）

在我看来，这种混淆很常见：Keras将通道放在最后一个维度，而您的数据将通道放在第一个维度

解决方案：

只需以正确的格式重塑数据：（1,28,28,1）

---

但是你是想把整个图像都给模特吗？？？如果是这样的话，它将不能很好地工作，它需要28 x 28像素的图像

---

您必须在不同的28 x 28图像中分隔每个数字。你必须考虑到你的图像被颠倒的可能性，什么是黑的，什么是白的。通常MNIST数据具有黑色背景（0个值）和白色数字（1个值）

错误消息非常简单：

• 您的第一层需要具有形状的数据（None、28、28、1），其中“None”可以是任何数字（这是批量大小，您有多少个示例）
• 另一方面，您的数据具有形状（1、1、28、28）

在我看来，这种混淆很常见：Keras将通道放在最后一个维度，而您的数据将通道放在第一个维度

解决方案：

只需以正确的格式重塑数据：（1,28,28,1）

---

但是你是想把整个图像都给模特吗？？？如果是这样的话，它将不能很好地工作，它需要28 x 28像素的图像

---

您必须在不同的28 x 28图像中分隔每个数字。你必须考虑到你的图像被颠倒的可能性，什么是黑的，什么是白的。通常MNIST数据具有黑色背景（0个值）和白色数字（1个值）

通过将问题传递给具有正确输入大小的整形函数，问题得以解决

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

---

通过将其传递给具有正确输入大小的整形函数，问题得以解决

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

---

我正在使用cv2.resize函数为函数cv2.contour找到的每个轮廓调整图像大小（在这种情况下，每个轮廓都是一个数字）。此外，我还尝试将大小1、28、28、1输入到cv2.resize，但它给了我一个错误，即只需要2个参数。我强烈建议您检查performRecognition代码我在后端正常使用tensorflow cv2，稍后再重新塑造结果。准备好后，在使用

模型之前重塑
roi
。预测。如果
roi
是一个numpy数组，那么它就像
roi=roi.重塑（（1,28,28,1））
一样简单。如果没有，则将其设置为numpy数组：
roi=np.array（roi）
。是的，我做了，没有roi=np.array（roi）它工作得很好。我正在使用cv2.resize函数为函数cv2.contour找到的每个轮廓调整图像大小（在这种情况下，每个轮廓都是一个数字）。此外，我还尝试将大小1、28、28、1输入到cv2.resize，但它给了我一个错误，即只需要2个参数。我强烈建议您检查performRecognition代码我在后端正常使用tensorflow cv2，稍后再重新塑造结果。准备好后，在使用
模型之前重塑
roi
。预测。如果
roi
是一个numpy数组，那么它就像
roi=roi.重塑（（1,28,28,1））
一样简单。如果没有，就让它成为一个numpy数组：
roi=np.array（roi）
。是的，没有roi=np.array（roi），它工作得很好