Question

我尝试使用本教程执行语义分割： https://github.com/nikhilroxtomar/UNet-Segmentation-in-Keras-TensorFlow/blob/master/unet-segmentation.ipynb 我稍微修改了他的笔记本，但我成功地以50％的精度训练了模型。

我已经尝试过调整输入数组的形状，但是它不起作用。代码在这里：

test =  X_train[0]
test.shape
>>> (480, 640, 4)
parallel_model.predict(test)
>>> ValueError: Error when checking input: expected input_3 to have 4 dimensions, but got array with shape (480, 640, 4)

这是模型：

def UNet():
    f = [16, 32, 64, 128, 256]
    inputs = keras.layers.Input((480, 640, 4))

    p0 = inputs
    c1, p1 = down_block(p0, f[0]) #128 -> 64
    c2, p2 = down_block(p1, f[1]) #64 -> 32
    c3, p3 = down_block(p2, f[2]) #32 -> 16
    c4, p4 = down_block(p3, f[3]) #16->8

    bn = bottleneck(p4, f[4])

    u1 = up_block(bn, c4, f[3]) #8 -> 16
    u2 = up_block(u1, c3, f[2]) #16 -> 32
    u3 = up_block(u2, c2, f[1]) #32 -> 64
    u4 = up_block(u3, c1, f[0]) #64 -> 128

    outputs = keras.layers.Conv2D(4, (1, 1), padding="same", activation="sigmoid")(u4)
    model = keras.models.Model(inputs, outputs)
    return model

我知道这是一个菜鸟错误，但我真的想解决这个问题！

Answer 1

Keras只能处理“批处理”，而不能处理单个图像。

这意味着它需要4个维度(batch_size, 480, 640, 4)。

如果要使用单个图像进行预测，则需要使用形状为(1, 480, 640, 4)的输入数组。

test =  X_train[0]
test.shape
>>> (480, 640, 4)
test = test.reshape((-1, 480, 640, 4))
test.shape
>>> (1, 480, 640, 4)

现在您可以parallel_model.predict(test)了。

如何解决keras模型中的输入形状错误

1 个答案: