使用None扩展维度从3D到4D

我正在尝试创建一个CNN来解决一个问题。我为第一层提供的input_shape是(20, 196, 1)。

然而，当我执行model.summary()时，我得到的维度是(None, 20, 196, 1)，而我的X是一个维度为(20, 196, 1)的特征列表。在执行model.fit()时，我得到了以下错误 –

检查输入时出错：预期input_1有4个维度，但得到的数组形状为(20, 196, 1)。

谁能指出我做错了什么？另外，如果我想将维度从(20, 196, 1)增加到(None, 20, 196, 1)，我该怎么做？

回答：

第一个轴始终应对应于批量大小。例如，假设你希望批量中有N个元素。每个元素包含维度为(20, 196, 1)的输入特征。现在，你的批量大小将是(N, 20, 196, 1)。

一种方法是在第一个轴上堆叠样本：首先，创建一个样本列表，然后将此列表分配给输入数据。例如：

# 尺寸为(20, 196, 1)的样本列表list_of_samples = [x1, x2, x3, .. xn]# 你的输入数据将是:input_batch = np.array(list_of_samples)

否则，如果你的样本xi已经是张量，另一种可能性是在第一个轴上堆叠它们：

# 给定xi = 形状为(20, 196, 1)的张量，i = 1, 2, ..., Ninput_batch = tf.stack([x1, x2, x3, ..., xn], axis=0)# input_batch现在形状为(N, 20, 196, 1)

学技术