Python ValueError：检查输入时出错：预期conv2d_1_输入有4个维度，但得到了具有形状的数组（8020，1）

我正在尝试构建一个图像分类器，但我遇到了本文标题中提到的错误。下面是我正在处理的代码。如何将形状为（8020，）的numpy数组转换为函数fit（）所需的形状？我试图打印输入形状：train\u img\u array.shape[1:]，但它给出了一个空形状：（）

编辑：----------------------------------------------------------- 根据Nassim的要求，在这篇文章中添加了更多细节：

print(train_img_array) 

[ array([[[255, 255, 255,   0],
        [255, 255, 255,   0],
        [255, 255, 255,   0],
        ..., 
        [255, 255, 255,   0],
        [255, 255, 255,   0],
        [255, 255, 255,   0]],

       [[255, 255, 255,   0],
        [255, 255, 255,   0],
        [255, 255, 255,   0],
        ..., 
        ..., 
        [255, 255, 255,   0],
        [255, 255, 255,   0],
        [255, 255, 255,   0]]], dtype=uint8)
 array([[[255, 255, 255,   0],
        [255, 255, 255,   0],
        [255, 255, 255,   0],
        ..., 
        ..., 
        [0, 0, 0, 0],
        [0, 0, 0, 0],
        [0, 0, 0, 0]]], dtype=uint8)]


print(list(train_img_array)) 

[array([[[255, 255, 255,   0],
        [255, 255, 255,   0],
        [255, 255, 255,   0],
        ..., 
        [255, 255, 255,   0],
        [255, 255, 255,   0],
        [255, 255, 255,   0]],

       [[255, 255, 255,   0],
        [255, 255, 255,   0],
        [255, 255, 255,   0],
        ..., 
        ..., 
        [255, 255, 255,   0],
        [255, 255, 255,   0],
        [255, 255, 255,   0]]], dtype=uint8), array([[[255, 255, 255,   0],
        [255, 255, 255,   0],
        [255, 255, 255,   0],
        ..., 


print(np.array(list(train_img_array)))
throws the error:

ValueError: could not broadcast input array from shape (700,584,4) into shape (700,584)

---

因此，使用结果进行调试后：

> print(type(train_img_array[0]))
<type 'numpy.ndarray'>

> print(train_img_array[0].shape)
(700, 584, 4)

> print(rain_img_array[0])
array([[[255, 255, 255, 0], [255, 255, 255, 0], [255, 255, 255, 0], ..., ..., [255, 255, 255, 0], [255, 255, 255, 0], [255, 255, 255, 0]]], dtype=uint8)

实际上是一个形状的numpy数组（8020），其中所有元素都是包含在图像中的其他numpy数组。基本上是两个嵌套的numpy数组

所以，您想要的是将嵌套数组的嵌套结构展平到单个数组对象中。我会这样做，它可能有点黑客，但应该工作，如下所示：

train_img_array =img_train['data'].values
train_img_array = np.array(list(train_img_array))

所以基本上把numpy数组的结构转换成一个numpy数组的列表。然后，当您从numpy数组列表中构建一个numpy数组时，您会得到一个（神奇的）多维度的numpy数组

此操作后的形状应为（8020700584,4）

现在，我看到了你可能会遇到的另一个潜在问题，那就是你的图像格式。图像的通道尺寸是最后一个（这里有4个通道）。然后，您应该在卷积层中指定：

conv2D(... , data_format="channels_last", )

此外，第一层的输入形状是（700584,4），而不是（256256,3）

---

希望它能起作用：-）

你应该实际展示模型。不仅仅是调用

createModel（）

。我没有包括该模型，因为我认为它不会对本次讨论产生影响。但我现在将包括它。根据

keras

的规定，

conv2d

层的输入必须是类型的四维：

（样本、通道、行、列）

或

（样本、行、列、列）

@Dav2357:谢谢Dav。。。但我的问题是如何将我的培训和验证数据转换成那个形状？你能打印（键入（train_img_数组[0]）然后打印（train_img_数组[0].shape）然后打印（train_img_数组[0]）吗？我试着按照你的建议将数组转换成numpy数组列表。但是我得到了这个错误：ValueError:无法将输入数组从shape（700584,4）广播到shape（700584）哪一行出现了这个错误？我需要更多信息：）我的错：）这行：train\u img\u array=np.array（list（train\u img\u array））你能做什么：打印（train\u img\u array）然后打印（list（train\u img\u array））然后打印（np.array（list（train\u img\u array））？应为3个输出sprint（训练img_数组[0]）[[255 255 0][255 255 0][255 255 255 0]…，[255 255 255 0][255 255 255 255 0][255 255 255 255 0]]

train_img_array =img_train['data'].values
train_img_array = np.array(list(train_img_array))

conv2D(... , data_format="channels_last", )