Question

我正在使用带有Theano后端的Keras自动编码。并希望为720x1080 RGB图像制作自动编码。这是我的代码

from keras.datasets import mnist
import numpy as np
from keras.layers import Input, LSTM, RepeatVector, Conv2D, MaxPooling2D, UpSampling2D
from keras.models import Model

from PIL import Image


x_train = []
x_train_noisy = []

for i in range(5,1000):
    image = Image.open('data/trailerframes/frame' + str(i) + '.jpg', 'r')
    x_train.append(np.array(image))
    image = Image.open('data/trailerframes_avg/frame' + str(i) + '.jpg', 'r')
    x_train_noisy.append(np.array(image))


x_train = np.array(x_train)
x_train = x_train.astype('float32') / 255.
x_train_noisy = np.array(x_train_noisy)
x_train_noisy = x_train_noisy.astype('float32') / 255.


input_img = Input(shape=(720, 1080, 3))
x = Conv2D(32, (3, 3), activation='relu', padding='same')(input_img)
x = MaxPooling2D((2, 2), padding='same')(x)
x = Conv2D(32, (3, 3), activation='relu', padding='same')(x)
encoded = MaxPooling2D((2, 2), padding='same')(x)

x = Conv2D(32, (3, 3), data_format="channels_last", activation='relu', padding='same')(encoded)
x = UpSampling2D((2, 2))(x)
x = Conv2D(32, (3, 3), data_format="channels_last", activation='relu', padding='same')(x)
x = UpSampling2D((2, 2))(x)
decoded = Conv2D(1, (3, 3), data_format="channels_last", activation='sigmoid', padding='same')(x)

autoencoder = Model(input_img, decoded)
autoencoder.compile(optimizer='adadelta', loss='binary_crossentropy')

autoencoder.fit(x_train_noisy, x_train,
            epochs=10,
            batch_size=128,
            shuffle=True,
            validation_data=(x_train_noisy, x_train))

但它给了我一个错误

ValueError：检查输入时出错：预期input_7有形状（无，720,1080,3）但是有形状的数组（995,720,1280,3）

Answer 1

输入错误：

简单如下：

您将输入定义为（720,1080,3）
您正尝试使用表单（720,1280,3）

其中一个是错的，我认为这是输入中的拼写错误：

#change 1080 for 1280
input_img = Input(shape=(720, 1280, 3))

输出错误（目标）：

现在，您的目标数据形状像（720,1280,3），最后一层输出（720,1280,1）

一个简单的解决方法是：

decoded = Conv2D(3, (3, 3), data_format="channels_last", activation='sigmoid', padding='same')(x)

使用编码器：

训练该模型后，您可以创建仅使用编码器或解码器的子模型：

encoderModel = Model(input_img, decoded)    

decoderInput = Input((shape of the encoder output))    
decoderModel = Model(decoderInput,decoded))

这两个模型将分享整个模型的完全相同的权重，训练一个模型将影响所有三个模型。

如果在未经过培训的情况下使用它们，您可以使用model.predict(data)，无需培训即可获得结果。

Keras：检查输入时出错

1 个答案: