Question

我正在尝试使用Keras构建一个自动编码器，基于来自文档的[this example][1]。因为我的数据很大，所以我想使用生成器来避免将其加载到内存中。

我的模型看起来像：

model = Sequential()
model.add(Convolution2D(16, 3, 3, activation='relu', border_mode='same', input_shape=(3, 256, 256)))
model.add(MaxPooling2D((2, 2), border_mode='same'))
model.add(Convolution2D(8, 3, 3, activation='relu', border_mode='same'))
model.add(MaxPooling2D((2, 2), border_mode='same'))
model.add(Convolution2D(8, 3, 3, activation='relu', border_mode='same'))
model.add(MaxPooling2D((2, 2), border_mode='same'))
model.add(Convolution2D(8, 3, 3, activation='relu', border_mode='same'))
model.add(UpSampling2D((2, 2)))
model.add(Convolution2D(8, 3, 3, activation='relu', border_mode='same'))
model.add(UpSampling2D((2, 2)))
model.add(Convolution2D(16, 3, 3, activation='relu'))
model.add(UpSampling2D((2, 2)))
model.add(Convolution2D(1, 3, 3, activation='sigmoid', border_mode='same'))

model.compile(optimizer='adadelta', loss='binary_crossentropy')

我的发电机：

from keras.preprocessing.image import ImageDataGenerator
train_datagen = ImageDataGenerator(rescale=1./255)
train_generator = train_datagen.flow_from_directory('IMAGE DIRECTORY', color_mode='rgb', class_mode='binary', batch_size=32, target_size=(256, 256))

然后拟合模型：

model.fit_generator(
        train_generator,
        samples_per_epoch=1,
        nb_epoch=1,
        verbose=1,
        )

我收到了这个错误：

异常：检查模型目标时出错：预期卷积2d_76有4个维度，但得到的形状为数组（32,1）

这看起来像我的批次的大小而不是样本。我做错了什么？

Answer 1

错误很可能是由于class_mode='binary'造成的。它使生成器生成二进制类，因此输出具有形状(batch_size, 1)，而您的模型生成四维输出（因为最后一层是卷积）。

我想你希望你的标签是图像本身。根据其使用的flow_from_directory和DirectoryIterator的来源，仅通过更改class_mode是不可能的。一个可能的解决方案是：

train_generator_ = train_datagen.flow_from_directory('IMAGE DIRECTORY', color_mode='rgb', class_mode=None, batch_size=32, target_size=(256, 256))
def train_generator():
    for x in train_iterator_:
        yield x, x

请注意，我将class_mode设置为None。它使生成器只返回image而不是tuple(image, label)。然后我定义了一个新的生成器，它将图像作为输入和标签返回。

Keras ImageDataGenerator未按预期工作

1 个答案: