数值错误：检查目标时出错：期望dense_2具有4个维度，但得到的数组形状为(7942, 1)。

Question

我一直在使用以下功能API来进行CNN的图像分类任务：

def create_model(X_train, X_test):

    visible = Input(shape=(X_train.shape[0], X_train.shape[1], 1))
    conv1 = Conv2D(32, kernel_size=4, activation='relu')(visible)
    hidden1 = Dense(10, activation='relu')(pool2)
    output = Dense(1, activation='sigmoid')(hidden1)

    model = Model(inputs = visible, outputs = output)

    model.compile(loss='binary_crossentropy',
              optimizer='rmsprop',
              metrics=['accuracy'])

    return model

X_tr = np.reshape(X_train, (1,X_train.shape[0], X_train.shape[1], 1))
X_te = np.reshape(X_test, (1,X_test.shape[0],  X_test.shape[1], 1))

model = create_model(X_train, X_test)

model.fit(X_tr, y_train, validation_split = 0.1, batch_size=10, epochs=10, verbose = 1, callbacks=[EarlyStopping(patience=5,verbose=1)]) 

这里，X_train 是一个 7942*6400 的列表，而 y_train 是一个包含 7942 个标签的一维列表。

错误信息：

ValueError: 检查目标时出错：期望 dense_2 具有 4 个维度，但得到的数组形状为 (7942, 1)

作为一个对函数式 API 不太熟悉的新手，可能出了什么问题呢？

- Saurav--

---

如果X_train包含图像，那么这6400个值在图像中是如何分布的？高度、宽度和通道数是多少？ - Daniel Möller

我正在从一个csv文件中读取特征值；每一行都包含6400个像素及其对应的标签；因此，我考虑的（高度、宽度、通道）是（1、6400、1）。 - Saurav--

这样行不通。如果它们是图像，那么它们是2D的，类似于（800,800,1）。 - Daniel Möller

是的，它们最初是80x80像素的图像，但我已经将所有像素强度值以1-D数组的形式列在csv文件中。那还是不行吗？ - Saurav--

Answer 1

该消息表示模型的输出与y_train不兼容。您的模型输出为(None, width, height, 1)。您应在卷积层之后添加一个Flatten()层，以使数据从此时起仅具有2个维度。

附加评论：

输入数据必须与模型兼容。

X_train的形状必须为(7942,80,80,1)。 模型的input_shape必须为(80,80,1)。

如果使用(1,6400,1)形状，则Conv2D层将非常无用，因为它无法将数据解释为2D图像。

- Daniel Möller