从头开始训练VGG16-Java 学习之路

我试图从头开始训练我的VGG16网络 . 为此，我从https://gist.github.com/baraldilorenzo/07d7802847aaad0a35d3下载了该架构

其中一位作者将代码编写为vgg-16_keras.py代码 . 在此代码中，预期的默认图像大小为224x224 . 我的输入图像也有相同的大小 . 所以，尺寸没有问题 .

接下来，我进行了一些细微的更改，以便我准备好在我手边的一些示例图像上训练我的模型 . 当我试图训练我的模型时，我得到了“负面维度”错误 . 为了调试代码，我试图获得一些功能，它给了我不同层的输出尺寸，但遗憾的是没有一个 .

我发布我的代码以及错误消息

import keras
import numpy as np
from keras import backend as K
from keras.models import Sequential
from keras.layers import Activation, ZeroPadding2D, Convolution2D, MaxPooling2D, Dropout
from keras.layers.core import Dense, Flatten
from keras.optimizers import Adam
from keras.metrics import categorical_crossentropy
from keras.preprocessing.image import ImageDataGenerator
from keras.layers.normalization import BatchNormalization
from keras.layers.convolutional import *
from matplotlib import pyplot as plt
from sklearn.metrics import confusion_matrix
import itertools
from matplotlib.pyplot import *


train_path="cats-and-dogs/train"
valid_path="cats-and-dogs/valid"
test_path="cats-and-dogs/test"

train_batches=ImageDataGenerator().flow_from_directory(train_path, target_size=(224,224), classes=['dog','cat'], batch_size=20)
valid_batches=ImageDataGenerator().flow_from_directory(valid_path, target_size=(224,224), classes=['dog','cat'], batch_size=10)
test_batches=ImageDataGenerator().flow_from_directory(test_path, target_size=(224,224), classes=['dog','cat'], batch_size=10)

imgs,labels=next(train_batches)

#Defining individual layers for oour CNN

l1=ZeroPadding2D((1,1),input_shape=(3,224,224))
l2=Convolution2D(64, 3, activation='relu')
l3=ZeroPadding2D((1,1))
l4=Convolution2D(64, 3, activation='relu')
l5=MaxPooling2D((2,2), strides=(2,2))

#
#
l6=ZeroPadding2D((1,1))
l7=Convolution2D(128, 3, activation='relu')
l8=ZeroPadding2D((1,1))
l9=Convolution2D(128, 3, activation='relu')
l10=MaxPooling2D((2,2), strides=(2,2))

l11=ZeroPadding2D((1,1))
l12=Convolution2D(256, 3, 3, activation='relu')
l13=ZeroPadding2D((1,1))
l14=Convolution2D(256, 3, 3, activation='relu')
l15=ZeroPadding2D((1,1))
l16=Convolution2D(256, 3, 3, activation='relu')
l17=MaxPooling2D((2,2), strides=(2,2))

l18=ZeroPadding2D((1,1))
l19=Convolution2D(512, 3, 3, activation='relu')
l20=ZeroPadding2D((1,1))
l21=Convolution2D(512, 3, 3, activation='relu')
l22=ZeroPadding2D((1,1))
l23=Convolution2D(512, 3, 3, activation='relu')
l24=MaxPooling2D((2,2), strides=(2,2))

l25=ZeroPadding2D((1,1))
l26=Convolution2D(512, 3, 3, activation='relu')
l27=ZeroPadding2D((1,1))
l28=Convolution2D(512, 3, 3, activation='relu')
l29=ZeroPadding2D((1,1))
l30=Convolution2D(512, 3, 3, activation='relu')
l31=MaxPooling2D((2,2), strides=(2,2))

l32=Flatten()
l33=Dense(4096, activation='relu')
l34=Dropout(0.5)
l35=Dense(4096, activation='relu')
l36=Dropout(0.5)
l37=Dense(1000, activation='softmax')

model = Sequential([l1,l2,l3,l4,l5,l6,l7,l8,l9,l10,l11,l12,l13,l14,l15,l16,l17,l18,l19,l20,l21,l22,l23,l24,l25,l26,l27,l28,l29,l30,l31,l32,l33,l34,l35,l36,l37])

#model = Sequential([l1,l2,l3,l4,l5,l6,l7,l8,l9,l10])
#model = Sequential([l1,l2,l3,l4,l5,l6,l7,l8,l9,l10])
print("Now Printing the model summary \n")
print(model.summary())

请注意，我没有对代码中给出的尺寸，超参数值进行任何更改 . 我只是从文档的角度修改代码，比如命名不同的层，添加注释等 .

另外，建议自己诊断此类错误的方法 .

错误消息如下：

runfile（'/ home / upendra / vgg_from_scratch'，wdir ='/ home / upendra'）找到属于2个类的200个图像 . 找到了100个属于2个类的图像 . 找到60个属于2个类的图像 . / home / upendra / vgg_from_scratch：53：UserWarning：更新你对Keras 2 API的Conv2D调用：Conv2D（256，（3,3），activation =“relu”）l12 = Convolution2D（256,3,3，activation =' relu'）/ home / upendra / vgg_from_scratch：55：UserWarning：更新你对Keras 2 API的Conv2D调用：Conv2D（256，（3,3），activation =“relu”）l14 = Convolution2D（256,3,3， activation ='relu'）/ home / upendra / vgg_from_scratch：57：UserWarning：更新你对Keras 2 API的Conv2D调用：Conv2D（256，（3,3），activation =“relu”）l16 = Convolution2D（256,3 ，3，activation ='relu'）/ home / upendra / vgg_from_scratch：61：UserWarning：更新你对Keras 2 API的Conv2D调用：Conv2D（512，（3,3），activation =“relu”）l19 = Convolution2D（ 512,3,3，activation ='relu'）/ home / upendra / vgg_from_scratch：63：UserWarning：更新你对Keras 2 API的Conv2D调用：Conv2D（512，（3,3），activation =“relu”）l21 = Convolution2D（512,3,3，activation ='relu'）/ home / upendra / vgg_from_scratch：65：UserWarning：更新你对Keras 2 API的Conv2D调用：Conv2D（512，（ 3,3），activation =“relu”）l23 = Convolution2D（512,3,3，activation ='relu'）/ home / upendra / vgg_from_scratch：69：UserWarning：更新你对Keras 2 API的Conv2D调用：Conv2D（ 512，（3,3），activation =“relu”）l26 = Convolution2D（512,3,3，activation ='relu'）/ home / upendra / vgg_from_scratch：71：UserWarning：更新你对Keras 2 API的Conv2D调用：Conv2D（512，（3,3），activation =“relu”）l28 = Convolution2D（512,3,3，activation ='relu'）/ home / upendra / vgg_from_scratch：73：UserWarning：更新你的Conv2D调用Keras 2 API：Conv2D（512，（3,3），activation =“relu”）l30 = Convolution2D（512,3,3，activation ='relu'）Traceback（最近一次调用最后一次）：文件“”，第1行，在runfile（'/ home / upendra / vgg_from_scratch'，wdir ='/ home / upendra'）文件“/home/upendra/anaconda3/lib/python3.6/site-packages/spyder_kernels/customize/spydercustomize.py”，第668行，在runfile execfile（文件名，命名空间）文件“/home/upendra/anaconda3/lib/python3.6/site-packages/spyder_kernels/customize/spydercustomize.py”，第108行，i n execfile exec（compile（f.read（），filename，'exec'），namespace）文件“/ home / upendra / vgg_from_scratch”，第83行，在model = Sequential（[l1，l2，l3，l4，l5， L6，L7，L8，L9，L10，L11，L12，L13，L14，L15，L16，L17，L18，L19，L20，L21，L22，L23，L24，L25，L26，L27，L28，L29，L30， l31，l32，l33，l34，l35，l36，l37]）在init self中文件“/home/upendra/anaconda3/lib/python3.6/site-packages/keras/engine/sequential.py”，第92行 . 添加（图层）文件“/home/upendra/anaconda3/lib/python3.6/site-packages/keras/engine/sequential.py”，第185行，添加output_tensor = layer（self.outputs [0]）文件“ /home/upendra/anaconda3/lib/python3.6/site-packages/keras/engine/base_layer.py“，第457行，在呼叫输出= self.call（输入，** kwargs）文件”/ home / upendra / anaconda3 / lib / python3.6 / site-packages / keras / layers / pooling.py“，第157行，在调用data_format = self.data_format中）文件”/home/upendra/anaconda3/lib/python3.6/site-packages /keras/layers/pooling.py“，第220行，在_pooling_function pool_mode ='max'）文件”/home/upendra/anaconda3/lib/python3.6/site-packag es / keras / backend / tensorflow_backend.py“，第3880行，在pool2d中data_format = tf_data_format）文件”/home/upendra/anaconda3/lib/python3.6/site-packages/tensorflow/python/ops/nn_ops.py“，第2153行，在max_pool name = name）文件“/home/upendra/anaconda3/lib/python3.6/site-packages/tensorflow/python/ops/gen_nn_ops.py”，第4640行，在max_pool中data_format = data_format，name =名称）文件“/home/upendra/anaconda3/lib/python3.6/site-packages/tensorflow/python/framework/op_def_library.py”，第787行，在_apply_op_helper中op_def = op_def）文件“/ home / upendra / anaconda3 / lib / python3.6 / site-packages / tensorflow / python / framework / ops.py“，第3414行，在create_op中op_def = op_def）文件“/home/upendra/anaconda3/lib/python3.6/site-packages/tensorflow/python/framework/ops.py”，第1756行，在init control_input_ops中）文件“/home/upendra/anaconda3/lib/python3.6 /site-packages/tensorflow/python/framework/ops.py“，第1592行，在_create_c_op中引发ValueError（str（e））ValueError：通过从'max_pooling2d_9 / MaxPool'中减去2而导致的负维度大小（op：' MaxPool'）输入形状：[？，1,112,128] .

从头开始训练VGG16

相关问题