Keras 中的 ImageDataGenerator 形状问题

Question

datagen = ImageDataGenerator(
            featurewise_center=False,  # set input mean to 0 over the dataset
            samplewise_center=False,  # set each sample mean to 0
            featurewise_std_normalization=False,  # divide inputs by std of the dataset
            samplewise_std_normalization=False,  # divide each input by its std
            zca_whitening=False,  # apply ZCA whitening
            rotation_range=15,  # randomly rotate images in the range (degrees, 0 to 180)
            width_shift_range=0.1,  # randomly shift images horizontally (fraction of total width)
            height_shift_range=0.1,  # randomly shift images vertically (fraction of total height)
            horizontal_flip=True,  # randomly flip images
            vertical_flip=False)  # randomly flip images
        # (std, mean, and principal components if ZCA whitening is applied).
        # datagen.fit(x_train)


        print(x_train.shape)

        def data_generator(generator, x, y1, y2, batch_size):
            genX = generator.flow(x, seed=7, batch_size=batch_size)
            genY1 = generator.flow(y1, seed=7, batch_size=batch_size)
            genY2 = generator.flow(y2, seed=7, batch_size=batch_size)
            while(True):
                Xi = genX.next()
                Yi1 = genY1.next()
                Yi2 = genY2.next()
                yield Xi, [Yi1, Yi2]

这就是我如何调用 model.fit_generator

model.fit_generator(data_generator(datagen, x_train, y_train, y_aux_train, params['batch_size']),
                            epochs=params['epochs'], steps_per_epoch=150,
                            validation_data=data_generator(datagen, x_test, y_test, y_aux_test, params['batch_size']), 
                            validation_steps=100, callbacks=[reduce_lr, tensorboard],verbose=2)

这是我得到的错误 -

ValueError: (' NumpyArrayIterator的输入数据应为 4 级。您传递了一个具有形状的数组', (5630, 4))

Answer 1

你的x 、 y1和y2多少？ ImageDataGenerator 的输入数据必须有 4 个维度（批次、通道、高度、宽度）。 您的数据完全不同，这就是您收到错误的原因。

更新：

根据 文档：

flow(x, y=None, batch_size=32, shuffle=True, sample_weight=None, seed=None, save_to_dir=None, save_prefix='', save_format='png', subset=None)

x：输入数据。 排名 4 或元组的 Numpy 数组。 如果是元组，则第一个元素应包含图像，第二个元素应包含另一个 numpy 数组或 numpy 数组列表，这些数组无需任何修改即可传递给输出。 可用于随图像一起提供模型杂项数据。

在genY1 = generator.flow(y1, seed=7, batch_size=batch_size)您将标签（如我所见，形状为 (4,)）作为特征传递，ImageDataGenerator 期望它们具有 4 个维度。

你不应该像这样传递你的标签。 尝试这样的事情：

datagen.flow((x_train, [y_train, y_aux_train]), batch_size=params['batch_size'])

或者：

datagen.flow(x=x_train, y=[y_train, y_aux_train], batch_size=params['batch_size'])

Answer 2

我不知道你给出的输入的形状......但是从错误中，我可以告诉你以下......是的，你的参数 x 的输入值必须是 4 级......我会解释给你举个例子。 当从 Keras.datasets 下载 MNIST 数据集时，它们作为形状为 60000（用于测试）、28,28 的 NumPy ndarray，如果您将其作为参数的输入传递给 ImageDataGenerator，“x”您会得到相同的错误。 您可以通过调整数组大小来简单地克服这个问题。

<your image ndarray>.reshape(<your image ndarray>.shape[0],28,28,1)

注意：上一行中的最后一个值，即灰度图像为 1，RGB 图像为 3，这是图像中颜色通道的数量。

因此，我建议您调整 ndarray 的大小，使其具有四个维度。