Python ValueError:对于输入形状，尺寸必须相等

我已经写了这段代码。我的输入形状是（100 x100 X3）。我对深度学习还不熟悉。 我在这方面花了太多时间，但无法解决问题。非常感谢您的帮助

init = tf.random_normal_initializer(mean=0.0, stddev=0.05, seed=None)
input_image=Input(shape=image_shape)


# input: 100x100 images with 3 channels -> (3, 100, 100) tensors.
# this applies 32 convolution filters of size 3x3 each.
model=Sequential()
model.add(Conv2D(filters=16, kernel_size=(3, 3),kernel_initializer=init,
                        padding='same', input_shape=(3,100,100)))
model.add(Activation('relu'))
model.add(Conv2D(filters=32,kernel_size=(3, 3),padding="same"))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2),padding="same"))
model.add(Dropout(0.25))

model.add(Conv2D(filters=32,kernel_size=(3, 3),padding="same"))
model.add(Activation('relu'))
model.add(Conv2D(filters=32, kernel_size=(3, 3),padding="same"))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2),padding="same"))
model.add(Dropout(0.25))

model.add(Flatten())
# Note: Keras does automatic shape inference.
model.add(Dense(256))
model.add(Activation('relu'))
model.add(Dropout(0.5))

model.add(Dense(10))
model.add(Activation('softmax'))
model.summary()
sgd = SGD(lr=0.1, decay=1e-6, momentum=0.9, nesterov=True)
len(model.weights)
model.compile(optimizer="Adam", loss="mse", metrics=["mae", "acc"])

错误： 在[15]中：运行文件（'/user/Project/SM/src/ann_algo_keras.py'，wdir='/user/Project/SM/src'） 随机起始突触重量： 型号：“顺序_3”

---

图层（类型）输出形状参数# conv2d_12（conv2d）（无、3100、16）14416

---

激活18（激活）（无、3100、16）0

---

conv2d_13（conv2d）（无、3100、32）4640

---

激活19（激活）（无、3100、32）0

---

最大池2D池6（最大池2（无、2、50、32）0

---

辍学9（辍学）（无、2、50、32）0

---

conv2d_14（conv2d）（无、2、50、32）9248

---

激活20（激活）（无、2、50、32）0

---

conv2d_15（conv2d）（无、2、50、32）9248

---

激活21（激活）（无、2、50、32）0

---

最大池2D池7（最大池2（无、1、25、32）0

---

辍学10（辍学）（无、1、25、32）0

---

展平3（展平）（无，800）0

---

密集型_6（密集型）（无，256）205056

---

激活22（激活）（无，256）0

---

辍学11（辍学）（无，256）0

---

密集型_7（密集型）（无，10）2570

---

激活23（激活）（无，10）0 总参数：245178 可培训参数：245178 不可训练参数：0

---

纪元1/2000 回溯（最近一次呼叫最后一次）：

文件“/user/Project/SM/src/ann_algo_keras.py”，第272行，在 列车（输入、输出、图像形状）

文件“/user/Project/SM/src/ann_algo_keras.py”，第204行，列车中 模型.fit（X_序列、y_序列、批量大小、年代、验证数据=（X_测试、y_测试），使用多处理=真）

文件“/home/user/.local/lib/python3.8/site packages/tensorflow/python/keras/engine/training.py”，第108行，在方法包装中 返回方法（self、*args、**kwargs）

文件“/home/user/.local/lib/python3.8/site-packages/tensorflow/python/keras/engine/training.py”，第1098行，适合 tmp_logs=训练函数（迭代器）

文件“/home/user/.local/lib/python3.8/site packages/tensorflow/python/eager/def_function.py”，第780行，在调用中 结果=自身调用（*args，**kwds）

文件“/home/user/.local/lib/python3.8/site packages/tensorflow/python/eager/def_function.py”，第823行，在调用中 self.\u初始化（参数、KWD、添加初始值设定项到=初始值设定项）

文件“/home/user/.local/lib/python3.8/site packages/tensorflow/python/eager/def_function.py”，第696行，在 self._stateful_fn._get_concrete_function_internal_garbage_collected（#pylint:disable=protected access

文件“/home/user/.local/lib/python3.8/site packages/tensorflow/python/eager/function.py”，第2855行，位于“获取”\u具体”\u函数\u内部\u垃圾收集 图函数，自我，可能定义函数（args，kwargs）

文件“/home/user/.local/lib/python3.8/site packages/tensorflow/python/eager/function.py”，第3213行，在函数定义中 graph\u function=self.\u create\u graph\u function（args，kwargs）

文件“/home/user/.local/lib/python3.8/site packages/tensorflow/python/eager/function.py”，第3065行，在创建图形函数中 func_graph_module.func_graph_from_py_func(

文件“/home/user/.local/lib/python3.8/site packages/tensorflow/python/framework/func_graph.py”，第986行，在func_graph_中，从_py_func开始 func_outputs=python_func（*func_args，**func_kwargs）

文件“/home/user/.local/lib/python3.8/site packages/tensorflow/python/eager/def_function.py”，第600行，包装为 返回弱包装的（包装的（*args，**kwds）

包装器中的文件“/home/user/.local/lib/python3.8/site packages/tensorflow/python/framework/func_graph.py”，第973行 将e.ag\u错误\u元数据引发到\u异常（e）

ValueError:在用户代码中：

/home/user/.local/lib/python3.8/site-packages/tensorflow/python/keras/engine/training.py:806 train_function  *
    return step_function(self, iterator)
/home/user/.local/lib/python3.8/site-packages/tensorflow/python/keras/engine/training.py:796 step_function  **
    outputs = model.distribute_strategy.run(run_step, args=(data,))
/home/user/.local/lib/python3.8/site-packages/tensorflow/python/distribute/distribute_lib.py:1211 run
    return self._extended.call_for_each_replica(fn, args=args, kwargs=kwargs)
/home/catherin/.local/lib/python3.8/site-packages/tensorflow/python/distribute/distribute_lib.py:2585 call_for_each_replica
    return self._call_for_each_replica(fn, args, kwargs)
/home/catherin/.local/lib/python3.8/site-packages/tensorflow/python/distribute/distribute_lib.py:2945 _call_for_each_replica
    return fn(*args, **kwargs)
/home/catherin/.local/lib/python3.8/site-packages/tensorflow/python/keras/engine/training.py:789 run_step  **
    outputs = model.train_step(data)
/home/catherin/.local/lib/python3.8/site-packages/tensorflow/python/keras/engine/training.py:748 train_step
    loss = self.compiled_loss(
/home/catherin/.local/lib/python3.8/site-packages/tensorflow/python/keras/engine/compile_utils.py:204 __call__
    loss_value = loss_obj(y_t, y_p, sample_weight=sw)
/home/catherin/.local/lib/python3.8/site-packages/tensorflow/python/keras/losses.py:149 __call__
    losses = ag_call(y_true, y_pred)
/home/user/.local/lib/python3.8/site-packages/tensorflow/python/keras/losses.py:253 call  **
    return ag_fn(y_true, y_pred, **self._fn_kwargs)
/home/user/.local/lib/python3.8/site-packages/tensorflow/python/util/dispatch.py:201 wrapper
    return target(*args, **kwargs)
/home/user/.local/lib/python3.8/site-packages/tensorflow/python/keras/losses.py:1195 mean_squared_error
    return K.mean(math_ops.squared_difference(y_pred, y_true), axis=-1)
/home/user/.local/lib/python3.8/site-packages/tensorflow/python/ops/gen_math_ops.py:10398 squared_difference
    _, _, _op, _outputs = _op_def_library._apply_op_helper(
/home/user/.local/lib/python3.8/site-packages/tensorflow/python/framework/op_def_library.py:742 _apply_op_helper
    op = g._create_op_internal(op_type_name, inputs, dtypes=None,
/home/user/.local/lib/python3.8/site-packages/tensorflow/python/framework/func_graph.py:591 _create_op_internal
    return super(FuncGraph, self)._create_op_internal(  # pylint: disable=protected-access
/home/user/.local/lib/python3.8/site-packages/tensorflow/python/framework/ops.py:3477 _create_op_internal
    ret = Operation(
/home/user/.local/lib/python3.8/site-packages/tensorflow/python/framework/ops.py:1974 __init__
    self._c_op = _create_c_op(self._graph, node_def, inputs,
/home/user/.local/lib/python3.8/site-packages/tensorflow/python/framework/ops.py:1815 _create_c_op
    raise ValueError(str(e))

ValueError: Dimensions must be equal, but are 10 and 10000 for '{{node mean_squared_error/SquaredDifference}} = SquaredDifference[T=DT_FLOAT](sequential_3/activation_23/Softmax, IteratorGetNext:1)' with input shapes: [?,10], [?,1,10000].

---

只是与输入形状中通道的位置混淆。在Keras中，输入形状应为

HxWxC

，而不是像PyTorch中那样的

CxHxW

model.add(Conv2D(filters=16, kernel_size=(3, 3),kernel_initializer=init,
                        padding='same', input_shape=(100,100,3)))

---

只是与输入形状中通道的位置混淆。在Keras中，输入形状应为

HxWxC

，而不是像PyTorch中那样的

CxHxW

model.add(Conv2D(filters=16, kernel_size=(3, 3),kernel_initializer=init,
                        padding='same', input_shape=(100,100,3)))

---

你的输入顺序不正确，通道应该是正确的。所以

model.add(Conv2D(filters=16, kernel_size=(3, 3),kernel_initializer=init,
                        padding='same', input_shape=(100,100,3)))

此外，我假设您正在尝试进行分类。此外，一些指标用于回归，例如“mae”。您可以将其更改为：

model.compile(optimizer="adam", loss="categorical_crossentropy", metrics=["acc"])

---

你的输入顺序不正确，通道应该是正确的。所以

model.add(Conv2D(filters=16, kernel_size=(3, 3),kernel_initializer=init,
                        padding='same', input_shape=(100,100,3)))

此外，我假设您正在尝试进行分类。此外，一些指标用于回归，例如“mae”。您可以将其更改为：

model.compile(optimizer="adam", loss="categorical_crossentropy", metrics=["acc"])

---

谢谢，我的输入是shape[“batch shape”，3100100]，但是在运行时，我得到了这个错误“ValueError:input 0 of layer sequential_2与layer不兼容：输入形状的轴-1应该有值3，但收到的输入是shape[None，3，100，100]”你能帮帮我吗out@caty数据的形状需要是

[“batch shape”，100100,3]

。谢谢，我的输入是形状[“batch shape”，3100100]，但是在运行时，我得到了这个错误“ValueError:layer sequential_2的输入0与layer不兼容：输入形状的轴-1应具有值3，但接收到带有形状[None，3，100，100]的输入”您能帮助我吗out@caty数据的形状需要是

[“批处理形状”，100100,3]

。