使用Keras model.fit函数时遭遇InvalidArgumentError错误求助

错误原因 #

你的错误源于数据格式与TensorFlow/Keras默认要求不匹配。CPU环境下的MaxPooling2D层仅支持NHWC格式（样本数，高度，宽度，通道数），但你当前将图像数据reshape为了NCHW格式（样本数，通道数，高度，宽度），即(120000, 1, 28, 28)，这导致池化层执行失败。

修复步骤 #

1. 调整图像数据格式

将图像reshape为NHWC格式，把通道维度移到最后：

# 替换原reshape代码
images_train_cnn = images_train.reshape(images_train.shape[0], 28, 28, 1).astype('float32')
images_test_cnn = images_test.reshape(images_test.shape[0], 28, 28, 1).astype('float32')
images_validation_cnn = images_validation.reshape(images_validation.shape[0], 28, 28, 1).astype('float32')

执行后，图像形状应为(120000, 28, 28, 1)这类格式。

2. 更新模型输入形状

修改Conv2D层的input_shape参数，匹配NHWC格式：

def cnn_model():
    model = Sequential()
    # 将input_shape从(1,28,28)改为(28,28,1)
    model.add(Conv2D(30, (5, 5), input_shape=(28, 28, 1), activation='relu'))
    model.add(MaxPooling2D(pool_size=(2, 2)))
    model.add(Conv2D(15, (3, 3), activation='relu'))
    model.add(MaxPooling2D(pool_size=(2, 2)))
    model.add(Dropout(0.2))
    model.add(Flatten())
    model.add(Dense(128, activation='relu'))
    model.add(Dense(50, activation='relu'))
    model.add(Dense(num_classes, activation='softmax'))
    model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
    return model

验证与执行 #

修改完成后，重新运行模型拟合代码即可。此时数据格式符合CPU环境要求，池化层能正常执行。

内容的提问来源于stack exchange，提问作者Boris