Python 图层max_Poolig2D_5的输入0与该图层不兼容

当我尝试训练我的模特时，我

 ValueError: Input 0 of layer max_pooling2d_5 is incompatible with the layer: expected ndim=4, found ndim=5. Full shape received: (None, None, 180, 180, 16)

我的图像形状是

（32、180、180、3）

，是4维的。我也在洗牌和批处理我的训练数据集：

train\u ds=train\u ds.shuffle（100）。批处理（4）

网络

num_classes = 101

model = Sequential([
  layers.experimental.preprocessing.Rescaling(1./255, input_shape=(img_height, img_width, 3)),
  layers.Conv2D(16, 3, padding='same', activation='relu'),
  layers.MaxPooling2D(),
  layers.Conv2D(32, 3, padding='same', activation='relu'),
  layers.MaxPooling2D(),
  layers.Conv2D(64, 3, padding='same', activation='relu'),
  layers.MaxPooling2D(),
  layers.Conv2D(128, 3, padding='same', activation='relu'),
  layers.MaxPooling2D(),
  layers.Conv2D(256, 3, padding='same', activation='relu'),
  layers.MaxPooling2D(),
  layers.Flatten(),
  layers.Dense(128, activation='relu'),
  layers.Dense(num_classes, activation='softmax')
])

---

是什么导致了这种回溯？

您的原始图像似乎已经成批处理。如果批处理4D张量，它将输出形状为的张量：

(4, 32, 180, 180, 3)

---

我建议您不要第二次批处理图像。由于您使用的是目录中的

image\u dataset\u
和
batch\u size=32
，因此不需要使用
。批处理（4）
您的原始图像似乎已经批处理。如果批处理4D张量，它将输出形状为的张量：

(4, 32, 180, 180, 3)

我建议您不要第二次批处理图像。由于您使用的是目录下的
image\u-dataset\u
和
batch\u-size=32
，因此不需要使用
。batch（4）
这意味着从目录下的
image\u-dataset\u函数中删除
batch\u-size=32
参数，对吗？在这方面我是个新手。不，在这种情况下，你应该删除
batch（4）
而不是。虽然这解决了我的主要问题，
batch（）
最初被建议是因为在训练模型时整体性能较低，但我已经尝试应用缓存，这很快导致“内存不足”异常，以及增加卷积层的数量。你还有什么可以用来加快培训过程的建议吗？我的数据集由101.000张图像组成。但批处理已经完成，大小为32。您的错误是批处理批处理这意味着从我的
image\u dataset\u目录
函数中删除
batch\u size=32
参数，对吗？在这方面我是个新手。不，在这种情况下，你应该删除
batch（4）
而不是。虽然这解决了我的主要问题，
batch（）
最初被建议是因为在训练模型时整体性能较低，但我已经尝试应用缓存，这很快导致“内存不足”异常，以及增加卷积层的数量。你还有什么可以用来加快培训过程的建议吗？我的数据集由101.000张图像组成。但批处理已经完成，大小为32。你的错误是分批生产