Question

我正在尝试使用具有GPU启用的Tensorflow后端的Keras训练3层密集神经网络模型。

我拥有的数据集是400万张20x40像素的图像，我将这些图像放在目录中，并带有它们所属类别的名称。

由于数据量很大，我无法将其全部加载到RAM中并将其提供给我的模型，所以我想使用Keras's ImageDataGenerator，特别是函数flow_from_directory（）可以解决问题。这产生了一个（x，y）元组，其中x是图像的numpy数组，y是图像的标签。

我希望模型知道访问numpy数组作为我的模型的输入，所以我将输入形状设置为：（None，20,40,3）其中None是批量大小，20和40是图像的大小，3是图像中的通道数。这不起作用，因为当我尝试训练我的模型时，我不断收到错误： ValueError：检查目标时出错：期望dense_3有4个维度，但得到的数组有形状（1024,2）

我知道原因是它从flow_from_directoy获取元组，我想我可以改变输入形状以匹配，但是，我担心这会使我的模型无用，因为我将使用图像进行预测而不是预先分类的元组。所以我的问题是，如何让flow_from_directory将图像提供给我的模型并仅使用元组来验证它的训练？我在这里误解了什么吗？

供参考，这是我的代码：

from keras.models import Model
from keras.layers import *
from keras.preprocessing.image import ImageDataGenerator
from keras.callbacks import TensorBoard

# Prepare the Image Data Generator.
train_datagen = ImageDataGenerator()
test_datagen = ImageDataGenerator()

train_generator = train_datagen.flow_from_directory(
    '/path/to/train_data/',
    target_size=(20, 40),
    batch_size=1024,
)

test_generator = test_datagen.flow_from_directory(
    '/path/to/test_data/',
    target_size=(20, 40),
    batch_size=1024,
)

# Define input tensor.
input_t = Input(shape=(20,40,3))

# Now create the layers and pass the input tensor to it.
hidden_1 = Dense(units=32, activation='relu')(input_t)
hidden_2 = Dense(units=16)(hidden_1)
prediction = Dense(units=1)(hidden_2)

# Now put it all together and create the model.
model = Model(inputs=input_t, outputs=prediction)
model.compile(optimizer='rmsprop', loss='categorical_crossentropy', metrics=['accuracy'])

# Prepare Tensorboard callback and start training.
tensorboard = TensorBoard(log_dir='./graph', histogram_freq=0, write_graph=True, write_images=True)
print(test_generator)
model.fit_generator(
    train_generator,
    steps_per_epoch=2000,
    epochs=100,
    validation_data=test_generator,
    validation_steps=800,
    callbacks=[tensorboard]
)

# Save trained model.
model.save('trained_model.h5')

Answer 1

您的输入形状对于密集图层是错误的。

密集层期望形状中的输入（无，长度）。

您需要重新塑造输入，以便它们成为矢量：

imageBatch=imageBatch.reshape((imageBatch.shape[0],20*40*3))

或者使用卷积层，期望输入形状类型（无，nRows，nCols，nChannels），如 tensorflow 。

密集层中的Keras错误，预期4维具有形状的数组（1024,2）

1 个答案: