我的意思是，如果在 n 模型中输入一个信号模型，它会给出 n 输出吗？然而，当我尝试使用瓶颈模型（使用VGG16 convnet构建在其上）时，VGG16 convnet返回的输出少于输入数量16 .
这是控制台输出：
import numpy as np train_data = np.load（open（'bottleneck_features_train.npy'））train_data.shape（8384,7,7,512）validation_data = np.load（open（'bottleneck_features_validation.npy'））validation_data.shape （3584,7,7,512）
生成此输出的脚本可以在here找到 .
上述脚本的堆栈跟踪 .
使用Theano后端 . 从https://github.com/fchollet/deep-learning-models/releases/download/v0.1/vgg16_weights_tf_dim_ordering_tf_kernels_notop.h5下载数据发现属于120个类的8400个图像 . 保存火车功能......找到了属于120个 class 的3600张图像 . 保存测试功能...培训顶层...编译瓶颈模型...培训瓶颈模型...回溯（最近一次调用最后一次）：文件“pretrained_network.py”，第87行，在train_top_model（）文件“pretrained_network . py“，第82行，在train_top_model validation_data =（validation_data，validation_labels））文件”/home/ashish/ml-projects/venv/local/lib/python2.7/site-packages/keras/models.py",line 845 ，在fit initial_epoch = initial_epoch）文件“/home/ashish/ml-projects/venv/local/lib/python2.7/site-packages/keras/engine/training.py”，第1405行，in fit batch_size = batch_size）文件“/home/ashish/ml-projects/venv/local/lib/python2.7/site-packages/keras/engine/training.py”，第1307行，_standardize_user_data _check_array_lengths（x，y，sample_weights）文件“/ home / ashish / ml-projects / venv / local / lib / python2.7 / site-packages / keras / engine / training.py“，第229行，在_check_array_lengths'和'str（list（set_y）[0]）'目标样本 . '）ValueError：输入数组应具有相同的sa数作为目标数组 . 找到8384个输入样本和8400个目标样本 .
1 回答
问题在于，例如在你的脚本中：
它应该改为：
如果没有这个，
generator的调用次数不够多 .