Question

我是从多个384x286 b / w图像中手动创建数据集的。

我加载了这样的图片：

x = []
for f in files:
        img = Image.open(f)
        img.load()
        data = np.asarray(img, dtype="int32")
        x.append(data)
x = np.array(x)

这导致x是一个数组（num_samples，286,384）

print(x.shape) => (100, 286, 384)

阅读keras文档，并检查我的后端，我应该向卷积步骤提供由（行，列，通道）组成的input_shape

因为我不会随意知道样本大小，所以我原本希望将其作为输入大小传递，类似于

( None, 286, 384, 1 )

模型构建如下：

model = Sequential()
model.add(Conv2D(32, kernel_size=(3, 3), activation='relu', input_shape=input_shape))
# other steps...

传递为input_shape（286,384,1）会导致：

检查输入时出错：预期conv2d_1_input有4个维度，但得到的数组有形状（85,286,384）

传递as_input_shape（无，286,384,1）会导致：

输入0与图层conv2d_1不兼容：预期ndim = 4，发现ndim = 5

我在做错了什么？我如何重塑输入数组？

Answer 1

将input_shape设置为（286,384,1）。现在模型需要一个4维的输入。这意味着您必须使用.reshape(n_images, 286, 384, 1)重塑图像。现在，您已添加了额外的维度而未更改数据，您的模型已准备好运行。基本上，您需要将数据重新整形为（n_images，x_shape，y_shape，n_steps）。

检查以下示例。

很酷的是你也可以使用RGB图像作为输入。只需将n_steps更改为3。

import numpy as np
from keras.models import Sequential
from keras.layers.convolutional import Convolution2D
from keras.layers.core import Flatten, Dense, Activation
from keras.utils import np_utils

#Create model
model = Sequential()
model.add(Convolution2D(32, kernel_size=(3, 3), activation='relu', input_shape=(286,384,1)))
model.add(Flatten())
model.add(Dense(2))
model.add(Activation('softmax'))

model.compile(loss='binary_crossentropy',
                  optimizer='adam',
                  metrics=['accuracy'])

#Create random data
n_images=100
data = np.random.randint(0,2,n_images*286*384)
labels = np.random.randint(0,2,n_images)
labels = np_utils.to_categorical(list(labels))

#add dimension to images
data = data.reshape(n_images,286,384,1)

#Fit model
model.fit(data, labels, verbose=1)

Answer 2

你的input_shape维度是正确的，即input_shape（286,384,1）

将您的input_image重塑为4D [batch_size，img_height，img_width，number_of_channels]

input_image=input_image.reshape(85,286, 384,1)

期间的

model.fit(input_image,label)

Answer 3

我认为以下可能会解决您的错误。

我们提供给第一个conv2d（顺序模型的第一层）的input_shape应该是（286,384,1）或（宽度，高度，通道）。对于batch_size，不需要“无”维度。
输入的形状可以是（batch_size，286,384,1）

这对你有帮助吗??

Keras input_shape用于conv2d和手动加载的图像

3 个答案: