用于转换和手动加载图像的Keras input_shape

Question

我正在从多个384x286黑白图像中手动创建数据集。

我加载这样的图像：

x = []
for f in files:
        img = Image.open(f)
        img.load()
        data = np.asarray(img, dtype="int32")
        x.append(data)
x = np.array(x)

这导致x是一个数组（num_samples，286、384）

print(x.shape) => (100, 286, 384)

阅读keras文档并检查我的后端，我应该向卷积步骤提供一个由（rows，cols，channels）组成的input_shape

由于我不随意知道样本大小，因此我希望将其作为输入大小传递，类似于

( None, 286, 384, 1 )

该模型的构建如下：

model = Sequential()
model.add(Conv2D(32, kernel_size=(3, 3), activation='relu', input_shape=input_shape))
# other steps...

作为input_shape（286、384、1）传递会导致：

检查输入时出错：预期conv2d_1_input具有4个维，但数组的形状为（85，286，384）

传递as_input_shape（None，286，384，1）会导致：

输入0与层conv2d_1不兼容：预期ndim = 4，找到的ndim = 5

我究竟做错了什么 ？ 我该如何重塑输入数组？

Answer 1

将input_shape设置为（286,384,1）。 现在，模型需要一个4维的输入。 这意味着您必须使用.reshape(n_images, 286, 384, 1)重塑图像。 现在，您添加了一个额外的维度，而无需更改数据，并且模型可以运行了。 基本上，您需要将数据调整为（ n_images ， x_shape ， y_shape ， channels ）。

很棒的事情是您还可以使用RGB图像作为输入。 只需将channels更改为3。

还要检查以下答案： Keras输入说明：input_shape，units，batch_size，dim等

例

import numpy as np
from keras.models import Sequential
from keras.layers.convolutional import Convolution2D
from keras.layers.core import Flatten, Dense, Activation
from keras.utils import np_utils

#Create model
model = Sequential()
model.add(Convolution2D(32, kernel_size=(3, 3), activation='relu', input_shape=(286,384,1)))
model.add(Flatten())
model.add(Dense(2))
model.add(Activation('softmax'))

model.compile(loss='binary_crossentropy',
                  optimizer='adam',
                  metrics=['accuracy'])

#Create random data
n_images=100
data = np.random.randint(0,2,n_images*286*384)
labels = np.random.randint(0,2,n_images)
labels = np_utils.to_categorical(list(labels))

#add dimension to images
data = data.reshape(n_images,286,384,1)

#Fit model
model.fit(data, labels, verbose=1)

Answer 2

您的input_shape尺寸是正确的，即input_shape（286，384，1）

将输入图像重塑为4D [batch_size，img_height，img_width，number_of_channels]

input_image=input_image.reshape(85,286, 384,1)

中

model.fit(input_image,label)

Answer 3

我认为以下方法可以解决您的错误。

1. 我们提供给第一个conv2d（顺序模型的第一层）的input_shape应该类似于（286,384,1）或（宽度，高度，通道）。 其中batch_size不需要“无”维度。

2. 您输入的形状可以是（batch_size，286,384,1）

这对您有帮助吗？