检查模型输入时出错：预期 volution2d_input_1 有 4 个维度，但得到形状为 (32, 32, 3) 的数组

我想从下一层开始训练一个深度网络：

model = Sequential()
model.add(Conv2D(32, 3, 3, input_shape=(32, 32, 3)))

using

history = model.fit_generator(get_training_data(),
                samples_per_epoch=1, nb_epoch=1,nb_val_samples=5,
                verbose=1,validation_data=get_validation_data()

使用以下生成器：

def get_training_data(self):
     while 1:
        for i in range(1,5):
            image = self.X_train[i]
            label = self.Y_train[i]
            yield (image,label)

（验证生成器看起来类似）。

在训练过程中，我收到错误：

Error when checking model input: expected convolution2d_input_1 to have 4 
dimensions, but got array with shape (32, 32, 3)

怎么可能，有了第一层

 model.add(Conv2D(32, 3, 3, input_shape=(32, 32, 3)))

?

您定义的输入形状是单个样本的形状。模型本身需要一些样本数组作为输入（即使它是长度为 1 的数组）。

您的输出实际上应该是 4 维，其中第一维用于枚举样本。即对于单个图像，您应该返回 (1, 32, 32, 3) 的形状。

您可以找到更多信息here https://keras.io/layers/convolutional/在“Convolution2D”/“输入形状”下

Edit：根据下面 Danny 的评论，如果您想要批量大小为 1，您可以使用以下命令添加缺失的维度：

image = np.expand_dims(image, axis=0)