Question

我试图将我的数据“流”到Keras的神经网络中。我正在使用.flow_from_directory方法，这个过程让我适合。我正在使用keras文档中的基本示例（我正在使用tensorflow）：

ROWS = 64
COLS = 64
CHANNELS = 3

from keras.preprocessing.image import ImageDataGenerator
train_datagen = ImageDataGenerator(
    rescale=1./255)

test_datagen = ImageDataGenerator(rescale=1./255)

train_generator = train_datagen.flow_from_directory(
    'train',
    target_size=(64, 64),
    batch_size=32,
    class_mode='binary')

validation_generator = test_datagen.flow_from_directory(
    '../tutorial/l1/kaggle_solutions/dogs_vs_cats/valid',
    target_size=(64, 64),
    batch_size=1,
    class_mode='binary')
from keras.models import Sequential
from keras.layers import Convolution2D
from keras.layers import Dense, Activation, Flatten, Dropout, MaxPooling2D
from keras.regularizers import l2

model = Sequential()
model.add(Convolution2D(4, 4, 4, border_mode='same', input_shape=(64, 64,3), activation='relu'))
from keras.utils.np_utils import to_categorical
from keras.optimizers import SGD, RMSprop

model.compile(loss='binary_crossentropy', optimizer=RMSprop(lr=1e-4), metrics=['accuracy'])


model.fit_generator(
    train_generator,  
    samples_per_epoch=2500,
    nb_epoch=20,
    validation_data=validation_generator,
    nb_val_samples=3100)

运行此操作我收到以下错误：

Exception: Error when checking model target: expected convolution2d_84 to have 4 dimensions, but got array with shape (32, 1)

我已经修了很长时间并找到了以下内容 - 将'model.add'切换为灰度输入 model.add（Convolution2D（4,4,4，border_mode ='same'，input_shape =（64,64,3），activation ='relu'））给我以下错误（如预期 - 但似乎确认我的原始输入是正确的）：

Error when checking model input: expected convolution2d_input_49 to have shape (None, 64, 64, 1) but got array with shape (32, 64, 64, 3)

所以我传递了（在原版中）原始的32,64,64,3的4维数组，但是我得到的错误是我想的意思预计（1,64,64,3）并得到（32,64,64,3）

因为我正在分批发送数据32.好奇的是，如果我将批处理设置为零（给出0,64,64,3输入），我得到：

Exception: Error when checking model target: expected convolution2d_87 to have 4 dimensions, but got array with shape (0, 1)

基于文档，我无法弄清楚将数据流入模型的正确方法 - 我在使用fit_generator时无法将批量大小传递给模型，并且看起来batch_size（样本数量）是问题。

非常感谢任何帮助。

Answer 1

ImageDataGenerator没问题。如错误消息中所述，模型输出的形状与其目标的形状之间存在不匹配。您使用class_mode = 'binary'，因此您的模型的预期输出是单个值，但它会产生形状(batch_size, 64, 64, 4)的输出，因为您的模型中没有其他卷积层。

尝试这样的事情：

model.add(Convolution2D(4, 4, 4, border_mode='same', input_shape=(64, 64,3), activation='relu'))
model.add(Flatten())
model.add(Dense(1))
model.add(Activation('sigmoid'))

Keras维度与ImageDataGenerator不匹配

1 个答案: