在Keras调用model.fit以获取不同形状的输入？

Question

我用Python和Keras创建了一个CNN，它将各种长度的2D输入压缩成单个输出。所有图像的高度均为80像素，但长度不同，例如shape（80，lenght_of_image_i，2），其中2是颜色通道的数量。

我有5000个图像，numpy中训练数据数组X的形状是（5000,1），数组有dtype对象。这是因为在单个numpy数组中不可能存储具有不同形状的内容。列表中的每个对象都有形状（80，lenght_of_image_i，2）。

有了这个说，当我调用顺序模型的model.fit（X，y）函数时，我得到以下错误：

    ValueError: Error when checking input: expected conv2d_1_input to have 4 
    dimensions, but got array with shape (5000, 1)

将numpy数组转换为numpy数组的Python列表也不起作用：

    AttributeError: 'list' object has no attribute 'ndim'

我的数据零填充或转换以使我的所有图像都不是一个选项。

我的问题现在是：当我的数据没有固定的形状时，如何调用model.fit（X，y）函数？

提前谢谢！

编辑：请注意，我的网络架构没有问题（因为我没有使用密集层）。我的问题是我不能调用fit函数，因为numpy数组的形状有问题。 我的模型是该网络的复制品：http://machine-listening.eecs.qmul.ac.uk/wp-content/uploads/sites/26/2017/01/sparrow.pdf

Answer 1

你需要传递“numpy arrays”以适合“float”类型。这是唯一的可能性。

因此，您可能需要对具有相同长度的批量图像进行分组，或者单独训练每个样本：

for image, output in zip(images,outputs):
    model.train_on_batch(image.reshape((1,80,-1,2), outputs.reshape((1,)+outputs.shape, ....)