用keras构建CNN做图片多分类问题，关于label向量的维度问题

Question

网络的结构是这样的：

#1st layer
model.add(Conv2D(20, 5, 5, activation='sigmoid', input_shape=(32, 32, 1)))
model.add(MaxPool2D(pool_size=(2, 2)))
#2nd layer
model.add(Conv2D(30, 5, 5, activation='sigmoid'))
model.add(MaxPool2D(pool_size=(2, 2)))
#fully connected layer
model.add(Flatten())
model.add(Dense(500, init='normal', activation='sigmoid'))
# model.add(Dropout(0.5))
# model.add(Dense(10, activation='sigmoid'))
#model.add(Reshape((-1, 5)))
model.add(Dense(5, init='normal', activation='softmax'))

调用网络时：

model.fit(x=traindata, y=trainlabel, batch_size=16, nb_epoch=15, shuffle=True, verbose=1, validation_data=(testdata, testlabel))

报错是这个：
ValueError: Error when checking input: expected conv2d_1_input to have 4 dimensions, but got array with shape (500, 5)

然后x向量为4维的图片信息，y向量为图片的标签，他们的shape分别是(500, 32, 32, 1)，(500, 5)，就是不懂为什么y向也需要是4维的呢

Answer 1

题主其实想问的是"为什么x向量也是4维"而不是y吧。假如我没有理解错的话，那么：

问题在于你的traindata的 shape那里。你可以检查一下你的traindata.shape()。正确的维度应该是(500,32,32,1)，如果传进去的是(500,32,32)就会报题主描述的错误，输入维度和层数定义维度不符合。

你可以尝试复现一下错误，随机生成不同shape的矩阵传进去试一下。traindata = numpy.random.rand(500, 32, 32)和traindata = numpy.random.rand(500, 32, 32, 1)。你会发现前者会报错。

其实每一张二维图片并不是只有两个维度，还有一个颜色通道。彩色图片又rgb三个通道，所以是3，黑白图片则是1。你的traindata应该是(数据集个数,图片长度像素，图片宽度像素，图片颜色通道数）。

解决方式可以对traindata全部添加一个值为1（如果是彩色图片则添加3）的第四个维度即可。