Question

我目前正在尝试使用来自Sun数据集的一些图像，这些图像的形状各不相同，大约为（1000，400，1）。由于它们的形状各不相同，因此我的处理方法是创建一个包含numpy数组的numpy数组，这样我就不必定义其任何形状。我要做的是使用这些图片来训练基本的CNN。问题是，我认为CNN不能真正理解输入数据的定义。在我的实现中，例如self.X_train [0]包含一张图像（在self.Y_train [0]中有相应的目标，依此类推）。我的代码现在看起来像：

import os
from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
from keras.models import Sequential
from keras.layers import Dense, Conv2D, Flatten

class network:
    def __init__(self):
        self.X_train, self.Y_train = self.generate_targets()


    def generate_targets(self):
        path = 'C:\\Users\\joaki\\PycharmProjects\\project\\project dl\\'
        folder = os.fsencode(path)
        targets = []
        inputs = []
        for file in os.listdir(folder):
            filename = os.fsdecode(file)
            if filename.endswith(('.jpg')):
                img = Image.open(filename).convert('RGB')
                img2 = Image.open(filename).convert('L')
                arr2 = np.array(img2)
                arr2 = arr2.reshape((arr2.shape[0], arr2.shape[1], 1))
                inputs.append(arr2)
                arr = np.array(img)
                targets.append(arr)
        Y = np.array(targets)
        X = np.array(inputs)
        return X, Y

    def plotting(self, type):
        plt.figure(figsize=(20, 10))
        for i in range(self.X_train.shape[0]):
            plt.subplot(2, 2, i+1)
            if type == 'targets':
                lum_img = self.Y_train[i][:, :, :] #[:,:,:] för färg
                plt.imshow(lum_img)
            if type == 'inputs':
                lum_img = self.X_train[i][:, :, 0]  # [:,:,:] för färg
                plt.imshow(lum_img)
        plt.show()

    def train_network(self):
        model = Sequential()
        # add model layers
        model.add(Conv2D(64, kernel_size=3, activation='relu', input_shape = (None, None, 1)))
        model.add(Conv2D(32, kernel_size=3, activation='relu'))
        model.add(Flatten())
        model.add(Dense(10, activation='softmax'))
        model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])
        model.fit(self.X_train, self.Y_train, batch_size = 1, validation_data=(self.X_train, self.Y_train), epochs=3)




network1 = network()
#network1.plotting('inputs')
network1.train_network()
#print(network1.X_train[0].shape)

是否有解决此问题的方法，如果可以，有人可以提供我应该遵循的信息或消息来源吗？预先感谢！

神经网络，输入的大小未指定

0 个答案: