我正在尝试构建一个CNN网络，并希望使用output_shape来探测层的维度。但它给出了如下错误：

ValueError: 输入0与层conv2d_5不兼容：期望ndim=4，但发现ndim=2

以下是我尝试执行的代码

from keras.layers import Activationmodel = Sequential()model.add(Convolution2D(32, 3, 3, activation='relu', input_shape=(1,28,28)))print(model.output_shape)

回答：

你可以检查默认情况下通道数是否在最后指定

from keras import backend as Kprint(K.image_data_format()) # 打印当前格式

在我的系统上，这会打印”channel_last”，这意味着你的input_shape的最后一个数字（28）是通道数，而1是行数。这也是为什么Keras会报错，因为你不能将3 x 3的卷积掩码应用到只有1行的图像上（默认填充设置为”valid”）。

很可能你希望将input_shape设置为(28, 28, 1)。

另外，如果你希望内核是一个3 x 3的内核，那么它应该是

model.add(Convolution2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)))

你当前拥有的卷积层内核大小为3 x 3，并且步长为3。