[英]Problem with input and output shapes in Flatten() layer in Tensorflow
我正在尝试为图像分类构建一个基本的卷积神经网络。 我有一个属于 4 个类的图像数据集。 我使用ImageDataGenerator
和flow_from_directory
创建了 Tensorflow 数据集:
train_datagen = tf.keras.preprocessing.image.ImageDataGenerator(
rescale=1./255,
rotation_range=20,
width_shift_range=0.2,
height_shift_range=0.2,
horizontal_flip=True,
validation_split=0.2
)
val_datagen = tf.keras.preprocessing.image.ImageDataGenerator(rescale=1./255, validation_split=0.2)
train_data = train_datagen.flow_from_directory(
dataset_source,
color_mode='rgb',
batch_size=batch_size,
class_mode='categorical',
shuffle=True,
subset='training'
)
val_data = val_datagen.flow_from_directory(
dataset_source,
color_mode='rgb',
batch_size=batch_size,
class_mode='categorical',
shuffle=False,
subset='validation'
)
我测试的 CNN 架构示例很简单,如下所示:
image_shape = (299, 299, 3)
model = tf.keras.Sequential()
model.add(tf.keras.layers.Conv2D(32, (3, 3), activation='relu', input_shape=image_shape))
model.add(tf.keras.layers.MaxPooling2D((2, 2)))
model.add(tf.keras.layers.Conv2D(64, (3, 3), activation='relu'))
model.add(tf.keras.layers.MaxPooling2D((2, 2)))
model.add(tf.keras.layers.Conv2D(128, (3, 3), activation='relu'))
model.add(tf.keras.layers.Flatten())
model.add(tf.keras.layers.Dense(128, activation='relu'))
model.add(tf.keras.layers.Dense(4))
model.compile(loss = "categorical_crossentropy",
optimizer = "adam",
metrics = ["accuracy"])
每当我尝试使用model.fit(train_data, epochs=100, validation_data = val_data)
开始训练时,都会收到以下与Flatten()
层相关的错误:
InvalidArgumentError: Input to reshape is a tensor with 7372800 values, but the requested shape requires a multiple of 645248
[[node sequential_1/flatten_1/Reshape (defined at <ipython-input-9-d01204576b1d>:1) ]] [Op:__inference_train_function_1823]
我使用各种版本的 CNN 对其进行了检查,即使是最简单的包含单个卷积层,但每次都会出现错误,只是值不同。 这可能很明显,但是尽管尝试了很多次,我还是无法解决它,所以我会非常感谢任何关于如何处理我的问题的指导。
使用flow_from_directory
调用而不指定target_size
只是自找麻烦,因为即使是单个大小错误的输入也会弄乱您的 model 拟合过程。 简单的解决方法是将target_size=(299, 299)
添加到调用中,以确保安全(如评论中所示)。
此外,考虑在flow_from_directory
调用上方添加image_shape = (299, 299, 3)
并指定target_size = image_shape[:-1]
以从那里拉取它。 这将使修改image_shape
更容易,您可能想要尝试各种输入大小缩放。
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.