Question

我很困惑如何输入两个尺寸的图片，它也不能使用调整大小和裁剪。我已经看到这个question但它也没有解决。这是我的代码，但我得到了跟随错误：

StopIteration：＆＃39; NoneType＆＃39; object不能解释为整数

我希望你能给我一些建议

model = Sequential()
model.add(Conv2D(filters=6,kernel_size=(5,5),padding='same',input_shape=(None,None,3)))
model.add(Activation('tanh'))  
model.add(MaxPooling2D(pool_size=(2,2))) 

model.add(Conv2D(filters=16,kernel_size=(5,5),padding='same'))  
model.add(Activation('tanh')) 
model.add(GlobalAveragePooling2D())
model.add(Dense(1))  
model.add(Activation('sigmoid'))
#sgd = optimizers.RMSprop(lr=0.01, clipvalue=0.5)
model.compile(loss='binary_crossentropy',#'binary_crossentropy'categorical_crossentropy,
              optimizer='sgd',
              metrics=['accuracy'],
              )
train_datagen = ImageDataGenerator(rescale=1./255,
                                   vertical_flip=True,
                                   horizontal_flip=True)

test_datagen = ImageDataGenerator(rescale=1./255)

train_generator = train_datagen.flow_from_directory(
        train_data_dir,
        target_size=(img_width, img_height),
        batch_size=batch_size,
        class_mode='binary')#'binary'categorical)

validation_generator = test_datagen.flow_from_directory(
        validation_data_dir,
        target_size=(img_width, img_height),
        batch_size=batch_size,
        class_mode='binary')#'binary')

early_stopping = EarlyStopping(monitor='val_acc',patience=10,mode='max')
model.fit_generator(train_generator,
                    steps_per_epoch=nb_train_samples//batch_size,
                    epochs=nb_epoch,
                    validation_data=validation_generator,
                    validation_steps=nb_validation_samples,
                    callbacks=[early_stopping,
                               TensorBoard(log_dir='C:\\Users\\ccri\\Desktop\\new\\iou30\\426\\lenet\\log', write_images=True),
                               ModelCheckpoint(filepath='C:\\Users\\ccri\\Desktop\\new\\iou30\\426\\lenet\\canshu\\weights.{epoch:02d}-{val_loss:.2f}.h5', 
                               monitor='val_acc',                                   
                               save_best_only=True,
                               mode='auto')]
)

Answer 1

唯一的限制是创建一个可以适合不同大小图像的numpy数组。

您可以使用batch_size=1解决此问题（然后您的numpy数组将永远不会兼容）。

或者您可以尝试在阵列中手动分组相同大小的所有图像，将此阵列作为大批量训练，然后对其他大小执行相同操作。

Answer 2

我担心这是不可能的。如何更新权重矩阵？

假设您将其初始化为storetype矩阵：

2x2

一旦您对一些a b c d图像进行了培训，假设您想要在2x2图像上进行训练。它会是什么样子？元素4x4，a，b和c会去哪里？左上方？中间？右上？你会生成一个新的吗？到目前为止，这将放弃所有的培训进度。

我真的建议将所有图像重新缩放到常见的宽度和高度。如果那是不可能的，并且你从每个宽度和高度有相对较多的例子，你可以简单地创建几个神经网络（N1，N2，...），理论上，一旦你到达一个具有相同形状的层独立于输入图像切换到共享神经网络N_shared。但是，您需要从每个类别中获取大量示例。

如何在keras / tensorflow中为cnn模型提供不同大小的图像

2 个答案: