InvalidArgumentError：输入深度必须能被过滤器深度整除：4 vs 3

Question

我是初学者。我尝试通过 Tensorflow 进行图像分类，并得到以下错误。我在网上找到了类似的问题，但我无法理解。错误是什么意思？我该怎么做呢？请给我一些建议。我使用 100 个文件（png/15pix、15pix）作为示例图像。Tensorflow ver.2.0.0 / python ver.3.8.1 / Jupyter notebook。示例图像    num_epochs = 30    steps_per_epoch = round(num_train)//BATCH_SIZE    val_steps = 20    history = model.fit(train_data.repeat(),                epochs=num_epochs,                steps_per_epoch = steps_per_epoch,                validation_data=val_data.repeat(),                 validation_steps=val_steps)InvalidArgumentError：输入深度必须被过滤器深度整除：4 vs 3 [[nodesequential_2/mobilenetv2_1.00_96/Conv1/Conv2D（定义在 C:\Users\XXXXX\Anaconda3\lib\site-packages\tensorflow_core\python\framework \ops.py:1751) ]] [Op:__inference_distributed_function_42611] 函数调用堆栈：distributed_function

Answer 1

我遇到了这个错误，因为我使用已转换为灰度的图像作为我的数据。如果有人这样做，您可以从灰度转换为彩色格式，或者在不转换为灰度的情况下重新准备数据，这就是我所做的。

根据我找到的解决方案：“也许你正试图将灰度图像输入 CNN，它需要一个彩色图像。在 Keras 中找到输入的形状，例如 print(model.input.shape)，你会得到例如 (None, 224, 224 , 3) 并且您的输入 blob 必须具有相应的形状，因此对于灰度图像，您必须将其转换为（正式）彩色图像（所有三个通道都将相同）。但是，不要忘记您还需要知道输入 blob 的其他方面 - 均值、范围、偏差……具有良好的形状，它会计算一些东西，但如果不考虑这些方面，计算的结果就不好”

Answer 2

我找到了答案！就我而言，以下程序帮助了它。

XXX = tf.convert_to_tensor(XXX[:,:,:3])

我希望它也能帮助你。谢谢你。

Answer 3

如果您的模型如下所示：

model = tf.keras.Sequential([

tf.keras.layers.Conv2D(16, (3, 3), activation = 'relu', input_shape = (150, 150, 3)),

tf.keras.layers.MaxPooling2D(2, 2),

tf.keras.layers.Conv2D(32, (3, 3), activation = 'relu'),

tf.keras.layers.MaxPooling2D(2, 2),

tf.keras.layers.Flatten(),

tf.keras.layers.Dense(512, activation = 'relu'),

tf.keras.layers.Dense(10, activation = 'softmax')

])

将input_shape（在第一个卷积层）的值从(150, 150, 3)更改为(150, 150, 4)。

仅将元组中的最后一项（此处为 3）替换为 4。这应该可以正常工作。

Answer 4

我认为您阅读了 4 通道格式的图像。您应该在转发之前将输入图像转换为“RGB”。

Answer 5

该错误是由于所提供输入的尺寸不匹配造成的。该模型要求输入的深度为“3”，但给出的深度为“4”。