图层（类型）输出形状参数＃

Question

我正在运行一个CNN，用于检查图像，但不进行分类。实际上，输出层是一个密集层，具有1d标签中的图像大小作为参数。

如下代码所示，我使用的是model.fit_generator（）而不是model.fit，在开始训练模型时会出现以下错误：

TypeError：float（）参数必须是字符串或数字，而不是 'builtin_function_or_method'

我并不清楚为什么会这样。以下是该模型的摘要：

图层（类型）输出形状参数＃

conv2d_4（Conv2D）（无，26、877、32）544

activation_5（激活）（无，26、877、32）0

max_pooling2d_4（MaxPooling2（None，13，438，32）0

conv2d_5（Conv2D）（无，12、437、16）2064

activation_6（激活）（无，12、437、16）0

max_pooling2d_5（MaxPooling2（None，6，218，16）0

conv2d_6（Conv2D）（无，5、217、8）520

activation_7（激活）（无，5、217、8）0

max_pooling2d_6（MaxPooling2（None，2，108，8）0

activation_8（激活）（无，2、108、8）0

flatten_2（Flatten）（无，1728）0

dropout_2（退出）（无，1728）0

dense_2（Dense）（None，19316）33397364

================================================ ==================

总参数：33,400,492 可训练的参数：33,400,492 不可训练的参数：0

有什么建议吗？提前非常感谢！

我已经查看了许多在线论坛/网站，但似乎找不到适合我的情况的网站。

def generator(data_arr, batch_size = 10):

num = len(data_arr) 

if num % batch_size != 0 : 
    num = int(num/batch_size)

# Loop forever so the generator never terminates
while True: 

    for offset in range(0, num, batch_size):

        batch_samples = (data_arr[offset:offset+batch_size])

        samples = []
        labels = []

        for batch_sample in batch_samples:

            samples.append(batch_sample[0])
            labels.append((np.array(batch_sample[1].flatten)).transpose())

        X_ = np.array(samples)
        Y_ = np.array(labels)

        X_ = X_[:, :, :, newaxis]

        print(X_.shape)
        print(Y_.shape)

        yield (X_, Y_)

# compile and train the model using the generator function
train_generator = generator(training_data, batch_size = 10)
validation_generator = generator(val_data, batch_size = 10)

run_opts = tf.RunOptions(report_tensor_allocations_upon_oom = True)

model = Sequential()

model.add(Conv2D(32, (4, 4), strides=(2, 2), input_shape = (55, 1756, 
1)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size = (2, 2)))

model.add(Conv2D(16, (2, 2)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size = (2, 2)))

model.add(Conv2D(8, (2, 2)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size = (2, 2)))

model.add(Activation('softmax'))
model.add(Flatten())  # this converts our 3D feature maps to 1D feature 
vectors
model.add(Dropout(0.3))
model.add(Dense(19316))

model.compile(loss = 'sparse_categorical_crossentropy',
              optimizer = 'adam',
              metrics = ['accuracy'],
              options = run_opts)

model.summary()

batch_size = 20
nb_epoch = 6

model.fit_generator(train_generator, 
                    steps_per_epoch = len(training_data) ,
                    epochs = nb_epoch,
                    validation_data = validation_generator,
                    validation_steps = len(val_data))

Answer 1

可能是这行

labels.append((np.array(batch_sample[1].flatten)).transpose())

应该是

labels.append((np.array(batch_sample[1].flatten())).transpose())

TypeError：float（）参数必须是字符串或数字，而不是'builtin_function_or_method'

图层（类型）输出形状参数＃

1 个答案: