Python Keras CNN图像和内核大小不匹配，即使在图像变换后也无法匹配

我正在尝试运行一个类似于中的CNN，但用于自定义图像集和二进制分类，而不是10类输出

当我尝试适应CNN时，我得到了一个冗长的错误，我假设它告诉我我的输入图像大小不是CNN输入的正确大小

ValueError: GpuDnnConv images and kernel must have the same stack size

Apply node that caused the error: GpuDnnConv{algo='small', inplace=True}(GpuContiguous.0, GpuContiguous.0, GpuAllocEmpty.0, GpuDnnConvDesc{border_mode='valid', subsample=(1, 1), conv_mode='conv', precision='float32'}.0, Constant{1.0}, Constant{0.0})
Toposort index: 130
Inputs types: [CudaNdarrayType(float32, 4D), CudaNdarrayType(float32, 4D), CudaNdarrayType(float32, 4D), <theano.gof.type.CDataType object at 0x7f0eefc8d790>, Scalar(float32), Scalar(float32)]
Inputs shapes: [(32, 232, 300, 3), (300, 1, 3, 3), (32, 300, 298, 1), 'No shapes', (), ()]
Inputs strides: [(208800, 900, 3, 1), (9, 0, 3, 1), (89400, 298, 1, 0), 'No strides', (), ()]
Inputs values: ['not shown', 'not shown', 'not shown', <PyCObject object at 0x7f0efaba8e68>, 1.0, 0.0]
Inputs name: ('image', 'kernel', 'output', 'descriptor', 'alpha', 'beta')

---

我已经用这个把头撞到墙上够久了，我想可能是其他人有这个问题。有什么想法吗？提前感谢。

您将输入指定为

（深度、宽度、高度）

。因此，数组必须具有维度

（N，深度，宽度，高度）

，其中N是训练示例的数量

---

您实际传递的输入，

（4000、232、300、3）

，不匹配。应将其重塑为

（4000，深度、宽度、高度）

。这意味着您必须调整每个图像的大小，并对轴进行重新排序。

以上答案是正确的：对于子孙后代，我的问题通过一个简单的方法解决了：

im_list = im_list.transpose((0,3,1,2))

im_list = im_list.transpose((0,3,1,2))