ValueError:检查目标时出错:要求conv2d_37具有形状(57，57，16)，但得到形状为(120,120，3)的数组
这个错误是由于目标要求的形状与实际得到的数组形状不匹配导致的。具体来说，要求的形状是(57, 57, 16)，但实际得到的数组形状是(120, 120, 3)。
这个错误通常在深度学习中的卷积神经网络（Convolutional Neural Network，CNN）中出现，其中conv2d_37是指第37个卷积层。卷积层是CNN中的一种重要组件，用于提取图像中的特征。
解决这个错误的方法是调整输入数据的形状，使其与要求的形状匹配。可以通过调整输入图像的大小或者调整卷积层的参数来实现。
在腾讯云的云计算平台中，可以使用腾讯云的AI开放平台（https://cloud.tencent.com/product/ai）来进行深度学习任务。其中，腾讯云提供了丰富的机器学习和深度学习相关的产品和服务，如腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）、腾讯云图像识别（https://cloud.tencent.com/product/ocr）、腾讯云人脸识别（https://cloud.tencent.com/product/fr）等，可以帮助开发者进行图像处理和人工智能相关的任务。
同时，腾讯云还提供了云服务器（https://cloud.tencent.com/product/cvm）和云数据库（https://cloud.tencent.com/product/cdb）等基础设施服务，以及云原生应用平台（https://cloud.tencent.com/product/tke）和云原生数据库TDSQL（https://cloud.tencent.com/product/tdsql）等云原生相关的产品，可以满足开发者在云计算领域的需求。
总结起来，要解决这个错误，需要调整输入数据的形状，使其与要求的形状匹配，并可以借助腾讯云的AI开放平台和云计算平台来进行深度学习和云计算相关的开发工作。
相关·内容
我的训练变量形状是(264,120,120，3)，尝试给出numpy图像数组作为输入model.add(Conv2D(8, (3, 3), activationNone, 59, 59, 8) 224 conv2d=============================
Tr
浏览 3提问于2019-08-15得票数 0
但是当我尝试这样一个简单的LSTM时：model.add(LSTM(24 , return_sequences = True))它给了我以下错误信息：
ValueError:在检查目标时出错:期望dropout_192具有形状(24，24)，但得到与形状(24，3)相同的
浏览 0提问于2019-07-06得票数 1
回答已采纳
1回答
我想用VGG16训练时尚-MNIST数据集，但我在维度上有一些困难……Epoch 1/50
ValueError Traceback (most recent call: expected vgg16_input to have shape (32, 32, 3) but got array with shape
浏览 0提问于2020-06-25得票数 0
我是keras的新手，我正面临这样的错误: ValueError:检查模型目标时出错:期望dense_1具有形状(None，10)，但得到具有形状(10，1)的数组。我的输入数组形状是(10,1010)model = Sequential
浏览 1提问于2016-12-26得票数 3
当我尝试在Keras和Tensorflow后端训练我的模型时，我遇到了一个问题。evaluate the keras modelprint('Accuracy: %.2f' % (accuracy*100)) 特征形状：(5000,400)标签形状(5000，) 我在调用model.fit()的那一行得到了错误。我试图修复这个错误:我尝试使用以下代码重塑X和y数值数组: X.resha
浏览 16提问于2020-01-03得票数 0
我有一个输入数组的形状(1000,20，4)和输出(标签)的形状(1000,25,1)。但是，不知道如何使用Keras库来为此建立顺序模型！model = Sequential()model.add(LSTM(un , retur
浏览 0提问于2019-03-04得票数 1
回答已采纳
4097,43045)，(4098,38948)，(4099,2095)，(4100,59432)，(4101,55338)，(4102,51245)，(4103,26658)，(4104,30755)，...具有形状(3283，2)和我使用以下代码重塑了X_train：并得到<e
浏览 25提问于2019-04-01得票数 0
我正在尝试用转移学习来训练InceptionV3关于一组新的图像。我遇到了这个问题--这显然与输入和输出维度不匹配有关(我认为)，但我似乎无法识别这个问题)。以前所有相关的文章都与VGG16有关(我已经开始工作了)。这是我的代码： from keras.models import Model这是一个错误：
------------------------------
浏览 0提问于2017-07-14得票数 3
我已经加载图像来训练我的模型识别这些图像中的一个特征。(1380,200,200,3 )是一种粗壮的形状(1380,200,200,3 )，包含1380幅图像，大小为200×200像素，采用RGB格式，有目标。形状(1380,2)
当我训练我的模型(model.fit(Xtrain,Ytrain))时，我似乎得到了每个层的值错误。好像输入都是Xtrain然后是Ytrain..。Valu
浏览 4提问于2019-12-19得票数 2
回答已采纳
1回答
'with shape‘+str(Data_shape)中)
我用这个问题寻找其他的话题。在大多数情况下，输出层不符合预期的目标，在我的示例5中，所以这应该是正确的。另一个问题往往是目
浏览 0提问于2018-04-05得票数 0
回答已采纳
但是当我运行代码时，弹出了这个错误：我曾尝试更改lstm层中的input_shape=(10000,1)，但随后出现此错误：
ValueError: Error
浏览 0提问于2019-07-09得票数 0
我试着访问所有的论坛，寻找解决这个问题的答案。在train_set和test_Set中有5个类。validation_data = test_set,在这里，我附上了错误的图像以供查看
浏览 4提问于2018-07-21得票数 1
回答已采纳
我正在尝试用Keras训练我的模型，我正在udemy上这个在线课程。现在一切正常，但当我尝试将ANN匹配到训练集时，它给出了以下错误。一切正常，但是当我执行最后一行时，它给出了错误。
浏览 0提问于2019-09-15得票数 0
我将从我的目标开始： 我想用一系列图像(视频)来训练以下模型，准确地说是10。 我的逻辑:为了做到这一点，我创建了一个视频数据库，并将每个视频中的10帧提取到一个np.array对象中。每个帧的大小为(255,255)和灰度。总结:输入形状为(255,255,1)。我已经调试了代码，并验证了以下内容： train_dataset_new = (75,10,255,255,1) # (75为我拥有的列车视频数量) validation_
浏览 10提问于2020-12-04得票数 0
我有这个错误，从我看到的类似问题的答案来看，它是由于没有指定最后一层有30个神经元，因为你想要的输出是一个大小为30的数组。但这不是我的情况，我已经指定了这个，所以我发现如果神经元的数量和输出形状完全匹配，就会出现这个错误，这是非常奇怪的。下面是可能导致此错误的代码部分(images_gray是由形状为(2000,128,128)的</e
浏览 10提问于2020-10-18得票数 0
回答已采纳
1回答
代码中的每个层都显示它期望数组形状，但接收到的数组尺寸与输入数组尺寸相同。#model.add(Dense(output_dim= 4096,ac
浏览 0提问于2019-04-07得票数 0
回答已采纳
这是我的cnn模型的代码，我在这里使用flow_from_directory()，我不知道这个错误的解决方案。 如果解决方案是，我必须使用One-将标签转换为一组50个数字，以输入到神经网络中。你能解释一下如何在我的代码中使用它吗？epochs=10,validation_data=testing_set,
validation_steps=50) 这是我的错误报告： -------------------------------------------------
浏览 18提问于2019-11-23得票数 0
回答已采纳
然而，现在不断出现的问题是数据本身的输出形状错误。从视频中，我已经生成了100个时间步(帧)的686个样本剪辑。然后用另一个CNN，我为每个图像创建了一个形状为2048的嵌入。换句话说，在我的例子中，X_train的形状是(686,100,2048)，Y_train的形状是(686,100)。现在，当我通过我的网络传递我的数据集
浏览 24提问于2019-11-13得票数 0
尽管如此，我仍然没有解决我的问题，为什么我现在尝试询问社区。我最终要做的是开发一个使用迁移学习的模型。我正在使用InceptionV3。我已经冻结了所有的层，并添加了最后一个密集的层来预测4类。Model(base_model.input, predictions) layer.trainable = False 这是我的训练代码optimizer='nadam',
loss='
浏览 20提问于2018-12-27得票数 0
回答已采纳
2回答
我试着在keras中拟合一个LSTM模型，其中我有两个输入library(keras)
verbose = 1, 但我知道这个错误：
ValueError:在
浏览 0提问于2018-08-07得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
腾讯会议活动推荐
腾讯云开发者
