Conv2D层期望最小维度为4实际为3，CNN构建报错如何解决？

Conv2D卷积层要求输入的张量最少为4维，格式为(批量大小, 高度, 宽度, 通道数)，你的代码存在两个问题：

1. 第一层Conv2D的input_shape仅设置了(180,180)，缺少通道数维度，导致模型预期输入为3维张量(None, 180, 180)，和你实际传入的带3通道的4维图像张量不匹配
2. 除了模型第一层之外，其余Conv2D层不需要额外设置input_shape参数，重复设置错误的input_shape也会引发形状校验失败

按以下规则修改代码即可：

• 把第一层Conv2D的input_shape调整为(180, 180, 3)，对应你图像的高度、宽度、RGB三通道数
• 移除后续所有Conv2D层的input_shape参数，后续层会自动根据上一层输出推导输入尺寸

修复后的完整代码如下：

model.add(Conv2D(8,3,activation='relu',padding='same',input_shape=(180,180,3)))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Conv2D(16,3,activation='relu',padding='same'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Conv2D(32,3,activation='relu',padding='same'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Conv2D(64,3,activation='relu',padding='same'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Conv2D(128,3,activation='relu',padding='same'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Flatten())
model.add(Dense(254, activation='relu'))
model.add(Dense(9, activation='softmax'))

修改后你形状为(32, 180, 180, 3)的图像批次即可正常传入模型训练。

内容的提问来源于stack exchange，提问作者akhil kv