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
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_directory
和DirectoryIterator
的来源,仅通过更改class_mode
是不可能的 . 可能的解决方案是: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 .