我想进行图像分类,我有12000个三维numpy数组的列表作为data_X。这些阵列的形状均为300 x 300 x 3(高度,宽度,RGB)。我的data_Y只是12000个int列表(0到5之间),说明了数组所属的类。当我使用sklearn的train_test_split时
X_train,X_test,Y_train,Y_test = train_test_split(data_X,data_Y,test_size = 0.2,random_state = 42)
生成的X_train是一个9600个尺寸为300 x 300的二维数组的列表。我如何松开第三个维?
同样,当尝试拟合这样的神经网络时:
model1 = Sequential()
model1.add(Conv2D(32,kernel_size =(3,3),activation =“ relu”,input_shape =(300,300,3)))
model1.add(Conv2D(32,kernel_size =(3,3),activation =“ relu”))
model1.add(MaxPooling2D(pool_size =(2,2)))
model1.add(下降(0.25))
model1.add(flatten())
model1.add(Dense(6,activation =“ softmax”))
model1.compile(optimizer =“ rmsprop”,loss =“ categorical_crossentropy”,metrics = [“ accuracy”])
model1.fit(X_train,Y_train,validation_data =(X_test,Y_test),时期= 80,batch_size = 20)
我收到此错误: 检查模型输入时出错:传递给模型的Numpy数组列表不是模型预期的大小。预计会看到1个数组,但获得了以下9600个数组的列表:[array([[1。,1.,1.,...,1.,1.,1.], [1.,1.,1.,...,1.,1.,1.], [1.,1.,1.,...,1.,1.,1.], ..., [1.,1.,1.,...,1.,1.,1.], [1.,1.,1.,...,1.,1.,1 ....
请帮助!!!