Question

我是一名keras菜鸟，经过数天的努力，我在与keras一起工作时需要一些帮助。如果有任何歧义，请询问更多信息。

当前，我正在尝试修改a link中的代码。根据他们的网络模型，预期有2个输入张量。现在我很难将2个输入张量包含在它们提供的源代码中。

函数Boneage_prediction_model（）启动2个输入张量的模型。

def Boneage_prediction_model():
    i1 = Input(shape=(500, 500, 1), name='input_img') # the 1st input tensor
    i2 = Input(shape=(1,), name='input_gender')       # the 2nd input tensor
    ... ...
    model = Model(inputs=(i1, i2), outputs=o)         # define model input 
                                                        with both i1 and i2
... ... 

#using model.fit_generator to instantiate
# datagen is initiated by keras.preprocessing.image.ImageDataGenerator
# img_train is the 1st network input, and boneage_train is the training label
# gender_train is the 2nd network input  
model.fit_generator(
                     (datagen.flow(img_train, boneage_train, batch_size=10), 
                      gender_train),
                      ... ...
                    )

如上所述，我尝试了多种方法将两者（datagen.flow（img_train，boneage_train，batch_size = 10）和sex_train）组合在一起，但失败了，并不断报告错误例如以下

ValueError：检查模型输入时出错：传递给模型的Numpy数组列表不是模型预期的大小。预计会看到2个数组，但得到了以下1个数组的列表：[array（[[[[[-0.26078433]， [-0.26078433]， [-0.26078433]， ...， [-0.26078433]， [-0.26078433]， [-0.26078433]， [[-0.26078433]， [-0.26 ...

Answer 1

如果我对您的理解正确，那么您希望一个网络有两个输入，合并输出有一个标签。在fit_generator的官方documentation中，有一个带有多个输入的示例。

使用字典映射多个输入将导致：

model.fit_generator(
                    datagen.flow({'input_img':img_train, 'input_gender':gender_train}, boneage_train, batch_size=10),
                      ... 
                    )

Answer 2

在失败后，要么盲目地简单地将2个输入组合起来，要么像另一个贡献者建议的那样，使用字典来映射多个输入，我意识到这似乎是 datagen.flow 的问题使我无法结合使用图像张量输入和分类张量输入。 datagen.flow 由 keras.preprocessing.image.ImageDataGenerator 启动，目的是预处理输入图像。因此，很可能在 datagen.flow 中合并两个输入是不合适的。另外，fit_generator似乎期望生成器类型的输入，尽管我不完全了解此函数的机制，但我在问题中提出的建议是错误的。

当我仔细查看由the team编写的其他代码时，我了解到需要编写一个生成器来将两者结合起来。解决方法如下，

def combined_generators(image_generator, gender_data, batch_size):
    gender_generator = cycle(batch(gender_data, batch_size))
    while True:
        nextImage = next(image_generator)
        nextGender = next(gender_generator)
        assert len(nextImage[0]) == len(nextGender)
        yield [nextImage[0], nextGender], nextImage[1]


def batch(iterable, n=1):
    l = len(iterable)
    for ndx in range(0, l, n):
        yield iterable[ndx:min(ndx + n, l)]


train_gen_wrapper = combined_generators(train_gen_boneage, train_df_boneage['male'], BATCH_SIZE_TRAIN)

model.fit_generator(train_gen_wrapper, ... )

如何在keras.model.fit_generator

2 个答案: