Tensorflow维度不匹配报错：如何修改数据集代码适配4维输入模型

报错的核心原因是你所用模型的首层为卷积层（block1_conv1为VGG类CV模型的首层结构），卷积层要求输入必须为4维张量，格式为(batch_size, 图片高度, 图片宽度, 通道数)，你当前生成的玩具输入batch后维度为(2, 1)，仅包含batch维度和单特征维度，缺少两个空间维度和通道维度。

快速修改代码 #

仅需要给生成的inputs补全缺失的维度即可，以下是最小修改版本，可直接替换原有数据集生成代码：

# 可根据你的模型要求调整高度、宽度、通道数的数值，示例为模拟32x32大小的3通道RGB图片
inputs = tf.range(10.)[:, None, None, None] * tf.ones((1, 32, 32, 3))
labels = inputs[:, 0, 0, 0] * 5. + tf.range(5.)[None, :]
return tf.data.Dataset.from_tensor_slices(
    dict(x=inputs, y=labels)).repeat().batch(2)

说明 #

• 代码中的32（图片高度）、32（图片宽度）、3（通道数）可根据你自己模型要求的输入尺寸自定义调整，比如模型要求输入为224*224的灰度图，就将对应参数改为224、224、1即可
• 该方案为模拟输入的快速适配方法，仅用于验证模型可正常运行，若要训练有效模型需要替换为真实的图片类数据集

内容的提问来源于stack exchange，提问作者caasswa