Question

与keras有一些问题。我只是试图构建模型并让它运行然后调整它。所以说我只使用99个图像和99个标签。作为参考，我用它来给我一个连续的输出而不仅仅是一个类标签。以下是我正在使用的代码。首先，我有一个导入所有数据的脚本。 99个图像和99个标签。

当我进入模型零件的装配时，它会给我一个错误。 “ValueError：检查模型目标时出错：预期cropping2d_1有4个维度，但得到的数组有形状（99,1）”。

我读了一些关于类似错误的其他线程，似乎它可能是我发送keras的数组的顺序。我玩弄了它并获得了以下内容。目前，图像阵列的形状是（99,160,320,3）。我尝试将keras中“input_shape”的顺序更改为（3,160,320）。这给了我和错误“ValueError：检查模型输入时出错：预期cropping2d_input_1有形状（无，3,160,320）但得到形状有阵列（99,160,320,3）”。然后我重新塑造了images_center数组，得到了与上面相同的错误。

我遗漏了导入语句只是为了简短起见。

对下一步的想法？

#Import col 3 to get a length of the dataset
df = pd.read_csv('/Users/user/Desktop/data/driving_log.csv',usecols=[3])

#import and make a matrix of the file paths and data
f = open('/Users/user/Desktop/data/driving_log.csv')
csv_f = csv.reader(f)
m=[]
for row in csv_f:
  n=(row)
  m.append(n)

#Create labels data
labels=[]
for i in range(1,100):
    label=(m[i][3])
    labels.append(label)
list1=[]
for i in range(len(labels)):
    ix=float(labels[i])
    list1.append(ix)
labels=list1
labels=np.array(labels)


#Create features data
#Loop through file paths, combine base path with folder path then read in and append
images_center=[]
for i in range(1,100):
    img=(m[i][0])
    img=img.lstrip()
    path='/Users/user/Desktop/data/'
    img=path+img
    image=cv2.imread(img)

    images_center.append(image)
images_center=np.array(images_center)
print(images_center.shape)

# Fix error with TF and Keras
import tensorflow as tf
tf.python.control_flow_ops = tf
print(images_center.shape)


model = Sequential()
model.add(Convolution2D(16,3,3,border_mode='valid',input_shape=(160,320,3)))


model.compile('adam','categorical_crossentropy',['accuracy'])
history=model.fit(images_center,labels,nb_epoch=10,validation_split=0.2)

Answer 1

您的标签（即“目标”）具有形状（99,1），因此网络应生成相同形状的输出。尝试在最后添加完全连接的图层，例如model.add(Dense(1))。

Keras模型

1 个答案: