Python 难以将Keras示例应用于客户数据

我正在尝试使用Keras运行以下网络，由TensorFlow后端提供支持。这是“类似VGG”的convnet的改编自：

这将产生以下错误：

ValueError: Cannot feed value of shape (32, 128, 256) for Tensor u'Placeholder_89:0', which has shape '(?, 1, 128, 256)'

我已经查看了下面的帖子，但是还没有解决这个问题。任何帮助都将不胜感激，并对出现的问题进行解释

https://groups.google.com/forum/#!主题/keras用户/Vb7MhSqne0Y http://stackoverflow.com/questions/33974231/tensorflow-error-using-my-own-data

更新

---

将此问题发布到Keras发行板（）。有一些和链接允许您重新创建问题

解决了它。在脚本中，需要以下行来“重塑”输入数组：

X\u train=X\u train.重塑（X\u train.形状[0]，1128256）

实际上，我们在这里所做的只是添加一个稍微冗余的通道维度，以使数组的形状

（8144，1，128，256）

，而不是

（8144，128，256）

。如果我们使用的是RGB阵列，这将不会是多余的，因为它将是

（8144，3，128，256）

。一句话：我的输入数组缺少通道维度，我认为可以忽略灰色刻度。事实证明，您仍然需要显式定义形状

---

很棒的包裹。一旦修复，代码应该按原样执行。

解决了它。在脚本中，需要以下行来“重塑”输入数组：

X\u train=X\u train.重塑（X\u train.形状[0]，1128256）

实际上，我们在这里所做的只是添加一个稍微冗余的通道维度，以使数组的形状

（8144，1，128，256）

，而不是

（8144，128，256）

。如果我们使用的是RGB阵列，这将不会是多余的，因为它将是

（8144，3，128，256）

。一句话：我的输入数组缺少通道维度，我认为可以忽略灰色刻度。事实证明，您仍然需要显式定义形状

很棒的包裹。一旦修复，代码应该按原样执行

ValueError: Cannot feed value of shape (32, 128, 256) for Tensor u'Placeholder_89:0', which has shape '(?, 1, 128, 256)'