我想训练一种对象检测算法，该算法可以在灰度图片中区分两种类型的单元格。我的目标是在输入新图像时，在图片的每个单元格周围用两种不同颜色的边框将其还给我。
我的工作基于本文中找到的代码：https://www.analyticsvidhya.com/blog/2018/11/implementation-faster-r-cnn-python-object-detection/ 我选择Faster_FRCNN是因为该算法最终有望几乎实时运行，并且本文中的应用程序与我的类似。
代码对生成器（data_gen）之外的数据使用keras.train_on_batch：
X.shape =（1,600,803,3）
Y.shape = [（1,38,50,18），（1,38,50,72）]
for epoch_num in range(num_epochs):
progbar = generic_utils.Progbar(epoch_length)
while True:
X, Y, img_data = next(data_gen)
loss_rpn = model_rpn.train_on_batch(X, Y)
progbar.update(iter_num+1, [('rpn_cls', losses[iter_num, 0]),('rpn_regr', losses[iter_num, 1]),('detector_cls', losses[iter_num, 2]), ('detector_regr', losses[iter_num, 3])])
如您所见，似乎对于“ epoch_length”的每次迭代仅处理一个火车图像。现在，我将epoch_length固定为我得到的火车图像的数量，但我想给出批次（该函数的用途）。
当我尝试自己构建批处理（for循环使用next（data_gen）的结果）并将其提供给train_on_batch时，我收到错误消息“检查模型输入时出错：要传递的Numpy数组列表到模型的大小不是模型预期的大小。应该看到1个数组，但是得到了[num_imgs]“的以下列表。
我尝试做X = np.array（x），但随后出现另一条错误消息“检查输入时出错：预期input_3具有4个维，但形状为数组（[num_imgs]，1、600、803、3 ）”。
我如何分批训练？