Python 检查输入时出错：预期输入_1有4个维度，但得到了具有形状的数组（2242243）
我正试图用我自己的数据训练一个CNN来解决二元分类问题。但我对输入的预期大小有一个问题，我认为是（224,3）。我搜索了这个案例，发现有人说可以通过将图像大小从（224224,3）调整到（1224224,3）来修复，但没有效果 这是我的密码：Python 检查输入时出错：预期输入_1有4个维度，但得到了具有形状的数组（2242243）,python,tensorflow,keras,deep-learning,conv-neural-network,Python,Tensorflow,Keras,Deep Learning,Conv Neural Network,我正试图用我自己的数据训练一个CNN来解决二元分类问题。但我对输入的预期大小有一个问题，我认为是（224,3）。我搜索了这个案例，发现有人说可以通过将图像大小从（224224,3）调整到（1224224,3）来修复，但没有效果 这是我的密码： 导入scipy.io 导入tensorflow作为tf 进口cv2 #参数 img_高度=224 img_宽度=224 img_深度=3 类别=2 #加载数据 db_name='polo' db_path='D:/databases/'+db_name+'
导入scipy.io
导入tensorflow作为tf
进口cv2
#参数
img_高度=224
img_宽度=224
img_深度=3
类别=2
#加载数据
db_name='polo'
db_path='D:/databases/'+db_name+'/'
db_data=scipy.io.loadmat（db_路径+db_py.mat）
db_size=len（db_数据['db']['images'][0][0]）
faces_path='data/'+db_name+'/faces/'
图像=[]
标签=[0]*db\u大小
对于范围内的i（0，db_大小）：
filename='data/'+db_name+'/faces/'+db_data['db']['images'][0][0][i][2][0]
image=cv2.imread（文件名）
图像=cv2。调整大小（图像，（图像高度，图像宽度））
images.append（图像）
标签[i]=db_数据['db']['subjects'][0][0][i][4][0][0][0][0]
输入=tf.keras.layers.Input（形状=（img_高度、img_宽度、img_深度））
layers=tf.keras.layers.Conv2D（32，（3,3），padding=“same”）（输入）
层=tf.keras.layers.Activation（“relu”）（层）
层=tf.keras.layers.BatchNormalization（轴=-1）（层）
layers=tf.keras.layers.Conv2D（32，（3,3），padding=“same”）（层）
层=tf.keras.layers.Activation（“relu”）（层）
层=tf.keras.layers.BatchNormalization（轴=-1）（层）
layers=tf.keras.layers.MaxPoolig2D（池大小=（2,2））（层）
层=tf.keras.layers.Dropout（0.25）（层）
layers=tf.keras.layers.Conv2D（64，（3,3），padding=“same”）（层）
层=tf.keras.layers.Activation（“relu”）（层）
层=tf.keras.layers.BatchNormalization（轴=-1）（层）
layers=tf.keras.layers.Conv2D（64，（3,3），padding=“same”）（层）
层=tf.keras.layers.Activation（“relu”）（层）
层=tf.keras.layers.BatchNormalization（轴=-1）（层）
layers=tf.keras.layers.MaxPoolig2D（池大小=（2,2））（层）
层=tf.keras.layers.Dropout（0.25）（层）
layers=tf.keras.layers.flatte（）（层）
层=tf.keras.layers.Dense（512）（层）
层=tf.keras.layers.Activation（“relu”）（层）
layers=tf.keras.layers.BatchNormalization（）（层）
层=tf.keras.layers.Dropout（0.5）（层）
层=tf.keras.layers.Dense（类）（层）
图层=tf.keras.layers.Activation（“softmax”）（图层）
InitialLearnRate=0.03
MaxEpochs=30
MiniBatchSize=32
opt=tf.keras.optimizers.SGD（lr=InitialLearnRate，detaction=InitialLearnRate/MaxEpochs）
model=tf.keras.model（输入，层，name=“net”）
compile（loss=“categorical\u crossentropy”，optimizer=opt，
指标=[“准确度”]）
model.summary（）
H=模型拟合（图像、标签、，
批次大小=最小批次大小，历元数=最大历元数，详细数=1，每历元数的步骤数=10）
（batch_size，244244，3）images=np.empty（批量大小，244,244,3）
对于范围内的i（0，db_大小）：
文件名=（'data/'
+数据库名称
+“/faces/”
+db_数据['db']['images'][0][0][0][i][2][0]）
image=cv2.imread（文件名）
图像[i]=cv2.调整大小（图像，（img_高度，img_宽度））
如果这没有帮助，您收到的错误消息可能会帮助其他人回答您的问题。是的，您必须将其改为（1224224,3），并告诉我们为什么它不起作用。我没有看到您在代码中这样做。他可以通过添加
images=np.array（images）