Question

我有一个大数据集和大量扩充，因此我依靠keras.utils.Sequence生成器并让Keras进行多处理。因此，对于可变的输入大小，使用简单的model.fit(...)命令对我来说是没有选择的。此外，由于我的特定问题，调整图像大小或填充图像不是一个好主意。

由于BatchNormalization Layers，也选择批次大小为1的方法不是很方便。

我的图像尺寸可变，并创建了一个玩具问题示例：

from keras.applications.vgg16 import VGG16 as model
from keras.utils import Sequence
import numpy as np
from keras.layers import Input, Flatten, Dense, GlobalAveragePooling2D
from keras.models import Model

CLASSES = 10
class ExampleGenerator(Sequence):

    def __init__(self,dataset_length=100,batch_size=8):
        self.dataset_length = dataset_length
        self.batch_size = batch_size

    def __len__(self):
        return int(np.ceil(self.dataset_length / float(self.batch_size)))

    def __getitem__(self,idx):

        # create random targets
        Y_batch = np.random.randint(0,2,size=(self.batch_size,CLASSES))
        X = []

        for i in range(self.batch_size):


            # create a random image with a random size

            width = np.random.randint(64,256)
            height = np.random.randint(64,256)
            img = np.random.rand(width,height,3)
            X.append(img)

        X_batch = np.array(X)
        return X_batch,Y_batch


gen = ExampleGenerator()
input_tensor = Input(shape=(None, None, 3))

base_model = model(input_tensor=input_tensor,weights=None, include_top=False)

output = base_model.output

x = GlobalAveragePooling2D()(output)
x = Dense(512)(x)
predictions = Dense(CLASSES)(x)


model = Model(inputs=base_model.input, outputs=predictions)

model.compile(optimizer='adam', loss='categorical_crossentropy')

model.fit_generator(gen)

请注意，此示例仅是为了重现我的问题。

如果执行脚本，将提示跟随错误消息：

ValueError：检查输入时出错：预期input_2具有4 尺寸，但数组的形状为（8，1）

这当然是由于__getitem__返回的numpy arry而只有batch_size为固定大小。

当列表X未转换为numpy数组时，会发生其他错误：

ValueError：检查模型输入时出错：Numpy数组的列表您传递给模型的信息不是模型期望的大小。预计将看到1个数组，但得到以下8个列表数组：

那么，如何使用keras生成器来改变输入大小？

谢谢您的帮助

Answer 1

对于可变大小的图像，不能使用batch_size大于1的图像。如果您正在使用可变大小的图像，并且要发送大于一个的批量大小，则应固定模型输入的尺寸，并添加一些填充以在生成器中达到该固定尺寸。

Answer 2

尝试使用

X_batch = np.asarray(X)

Keras：如何使用输入大小可变的生成器

2 个答案: