Python ValueError：检查输入时出错：预期conv2d_36_输入具有形状（3,32,32），但获得具有形状（1,10,10）的数组

当我尝试运行我的培训模型时，出现了错误。我应该怎么做才能通过错误报告

我的模型或重塑零件有问题吗

这是我的重塑部分

# Reshape and normalize training data
trainX = train.reshape(train.shape[0], 1, 10, 10).astype( 'float32' )
x_train = trainX / 255.0
y_train = train[:,99]
# print(y_train)
# # # Reshape and normalize test data
testX = test.reshape(test.shape[0], 1, 10, 10).astype(     'float32' )
x_test = testX / 255.0
y_test = test[:,99]
# print(y_test)

这是我的模型：

model = Sequential()
model.add(Conv2D(32, (3, 3), input_shape=(3, 32, 32), 
activation='relu', padding='same'))
model.add(Dropout(0.2))
model.add(BatchNormalization())
model.add(Conv2D(64, (3, 3), padding='same'))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.2))
model.add(BatchNormalization())

然后，如果我将数据形状改为3*32*32，则会出现值错误报告：

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-31-36bf3e556ae8> in <module>()
----> 1 trainX = train.reshape(train.shape[0], 3, 32, 32).astype( 'float32' )
  2 x_train = trainX / 255.0
  3 y_train = train[:,10]
  4 # print(y_train)
  5 # # # Reshape and normalize test data

---------------------------------------------------------------------------
ValueError回溯（最近一次调用上次）
在（）
---->1 trainX=列车形状重塑（列车形状[0]，3，32，32）.aType（'float32'）
2辆列车=列车x/255.0
3列车=列车[：，10]
4#打印（y#列车）
5####重塑和规范化测试数据

列车和测试数据集的输入形状与模型不同。使用input\u shape（）时，需要记住所需输入的大小。在您的情况下，您的形状看起来是（1,10,10），这是一个10x10图像，具有一个级别通道/深度（即黑白图像）。但是，您使用的模型需要一个（3,32,32）形状，该形状被转换为具有32x32尺寸的彩色图像（即，3个通道表示RGB颜色）

因此，如果您按照下面的代码更改模型，它可能会起作用，但您还需要优化其他参数，例如Conv2D所需的特征映射：

model.add(Conv2D(32, (3, 3), **input_shape=(1, 10, 10)**,activation='relu', padding='same'))

---

列车和测试数据集的输入形状与模型不同。使用input\u shape（）时，需要记住所需输入的大小。在您的情况下，您的形状看起来是（1,10,10），这是一个10x10图像，具有一个级别通道/深度（即黑白图像）。但是，您使用的模型需要一个（3,32,32）形状，该形状被转换为具有32x32尺寸的彩色图像（即，3个通道表示RGB颜色）

因此，如果您按照下面的代码更改模型，它可能会起作用，但您还需要优化其他参数，例如Conv2D所需的特征映射：

model.add(Conv2D(32, (3, 3), **input_shape=(1, 10, 10)**,activation='relu', padding='same'))