Python 3.x Keras“；“适合”；输入不清楚

我正在尝试输入尺寸

（350x350x3）

的图像作为输入形状，我想训练网络输出

（1400x1400x3）

图像（4倍高比例）

我的训练数据集包含8幅图像

1400x1400x3

，我将这些图像翻过来，总共得到32幅图像进行验证

然后，我将这32幅图像缩小到

350x350x3

，以获得将与其他32幅图像交叉验证的输入图像

print(type(validateData))
print(validateData.shape)
print(type(validateData[0].shape))
print(validateData[0].shape)

返回

<class 'numpy.ndarray'>
(32,)
<class 'tuple'>
(1400, 1400, 3)

作为

.fit

函数的前两个参数，我应该输入什么

事实上，我得到了这个错误：

ValueError: Error when checking input: expected input_1 to have 4 dimensions, but got array with shape (32, 1)

ValueError: Error when checking model input: the list of Numpy arrays that you are passing to your model is not the size the model expected. Expected to see 1 array(s), but instead got the following list of 32 arrays: [array([[[0.6774938 , 0.64219969, 0.60690557],
        [0.67257049, 0.63743775, 0.60206295],
        [0.67203473, 0.6418085 , 0.60398018],
        ...,
        [0.55292714, 0.5253832 , 0.46217287],
  ...

如果你想调查的话，这是我的建议

对于应该输入的数据的格式不是很明确：

fit
fit(x=None, y=None, batch_size=None, epochs=1, verbose=1, callbacks=None, validation_split=0.0, validation_data=None, shuffle=True, class_weight=None, sample_weight=None, initial_epoch=0, steps_per_epoch=None, validation_steps=None)
Trains the model for a given number of epochs (iterations on a dataset).

Arguments

x: Numpy array of training data (if the model has a single input), or list of Numpy arrays (if the model has multiple inputs). If input layers in the model are named, you can also pass a dictionary mapping input names to Numpy arrays.  x can be None (default) if feeding from framework-native tensors (e.g. TensorFlow data tensors).
y: Numpy array of target (label) data (if the model has a single output), or list of Numpy arrays (if the model has multiple outputs). If output layers in the model are named, you can also pass a dictionary mapping output names to Numpy arrays.  y can be None (default) if feeding from framework-native tensors (e.g. TensorFlow data tensors).

---

下面是我尝试使用的完整代码。这次，我将参数更改为np_数组的python列表（每个图像都是3D np_数组）。我现在得到这个错误：

ValueError: Error when checking input: expected input_1 to have 4 dimensions, but got array with shape (32, 1)

ValueError: Error when checking model input: the list of Numpy arrays that you are passing to your model is not the size the model expected. Expected to see 1 array(s), but instead got the following list of 32 arrays: [array([[[0.6774938 , 0.64219969, 0.60690557],
        [0.67257049, 0.63743775, 0.60206295],
        [0.67203473, 0.6418085 , 0.60398018],
        ...,
        [0.55292714, 0.5253832 , 0.46217287],
  ...

很难知道我离得近还是远

fit(x=None, y=None, batch_size=None, epochs=1, verbose=1, callbacks=None, validation_split=0.0, validation_data=None, shuffle=True, class_weight=None, sample_weight=None, initial_epoch=0, steps_per_epoch=None, validation_steps=None)

在拟合函数中，x是您的训练数据。也许它更适合称为X_火车或类似的东西，而不是火车数据。在这种情况下，如果您有32个形状（350350，3）的训练图像，那么它们应该堆叠在一个四维（32350350，3）阵列中。如果你有一个像你看起来一样的对象的图像数组，你可以使用下面的代码重塑

X_train = np.array([x for x in trainingData])

---

fit函数中的y是您希望网络为相应输入输出的值，通常是一个标签，在本例中是较大的图像。你称之为validateData，但更常见的是称之为更接近y_train的东西。验证数据是在训练期间不使用的数据，但仅在每个历元后的模型评估期间使用。所以，像X_火车一样塑造y_火车。y_序列的预期形状应为（32140014001403）。

应堆叠在一个四维（323503503）阵列中。如果你有一组图像

：这正是我迷路的地方。我不明白我应该使用什么python数据类型作为输入（np_数组，或每个图像列表作为np_数组，或每个图像列表作为数组，或图像数组作为np_数组，或…等等）。它应该是一个形状的单个四维numpy数组（图像的nr_、图像的高度、图像的宽度、颜色的通道）。您似乎有一个包含32个对象的numpy数组。如果重塑命令不起作用，我已经在中编辑了另一段代码（您尝试过吗？）。我还意识到代码示例中有一些拼写错误，对此表示抱歉。现在应该修好了。不工作。你介意我们不要在评论部分发垃圾邮件吗？：）为了澄清，我想让社区知道sds解决了我的问题。我的numpy数组是用两个不同大小的图像创建的，然后，我将它分离，以分离这两类图像。但是，由于数组的创建方式，分离会留下一个包含numpy数组的

numpy数组的工件，而不是一个
numpy数组
。拆分后应用的
X\u train=np.数组（[X代表trainingData中的X]）
代码行已计算出来！他还解决了我关于输入格式的问题：一个大小为
（num_imgs x W x H x D）
的numpy数组。