首页 文章

Keras ImageDataGenerator未按预期工作

提问于
浏览
1

我正在尝试使用Keras构建一个自动编码器,基于文档中的 [this example][1] . 因为我的数据很大,所以我想使用生成器来避免将其加载到内存中 .

我的模型看起来像:

model = Sequential()
model.add(Convolution2D(16, 3, 3, activation='relu', border_mode='same', input_shape=(3, 256, 256)))
model.add(MaxPooling2D((2, 2), border_mode='same'))
model.add(Convolution2D(8, 3, 3, activation='relu', border_mode='same'))
model.add(MaxPooling2D((2, 2), border_mode='same'))
model.add(Convolution2D(8, 3, 3, activation='relu', border_mode='same'))
model.add(MaxPooling2D((2, 2), border_mode='same'))
model.add(Convolution2D(8, 3, 3, activation='relu', border_mode='same'))
model.add(UpSampling2D((2, 2)))
model.add(Convolution2D(8, 3, 3, activation='relu', border_mode='same'))
model.add(UpSampling2D((2, 2)))
model.add(Convolution2D(16, 3, 3, activation='relu'))
model.add(UpSampling2D((2, 2)))
model.add(Convolution2D(1, 3, 3, activation='sigmoid', border_mode='same'))

model.compile(optimizer='adadelta', loss='binary_crossentropy')

我的发电机:

from keras.preprocessing.image import ImageDataGenerator
train_datagen = ImageDataGenerator(rescale=1./255)
train_generator = train_datagen.flow_from_directory('IMAGE DIRECTORY', color_mode='rgb', class_mode='binary', batch_size=32, target_size=(256, 256))

然后拟合模型:

model.fit_generator(
        train_generator,
        samples_per_epoch=1,
        nb_epoch=1,
        verbose=1,
        )

我收到这个错误:

例外:检查模型目标时出错:预期卷积2d_76有4个维度,但得到的形状为数组(32,1)

这看起来像我的批次的大小而不是样本 . 我究竟做错了什么?

1 回答

  • 2

    该错误很可能是由于 class_mode='binary' . 它使生成器生成二进制类,因此输出具有形状 (batch_size, 1) ,而您的模型生成四维输出(因为最后一层是卷积) .

    我想你希望你的标签是图像本身 . 基于它使用的 flow_from_directoryDirectoryIterator 的来源,仅通过更改 class_mode 是不可能的 . 可能的解决方案是:

    train_generator_ = train_datagen.flow_from_directory('IMAGE DIRECTORY', color_mode='rgb', class_mode=None, batch_size=32, target_size=(256, 256))
    def train_generator():
        for x in train_iterator_:
            yield x, x
    

    请注意,我将 class_mode 设置为 None . 它使生成器只返回 image 而不是 tuple(image, label) . 然后我定义了一个新的生成器,它将图像作为输入和标签返回 .

相关问题