[英]ImageDataGenerator shape issues in Keras
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))
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'])
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。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.