Keras模型的矩陣大小錯誤

在keras中存在一些問題。我只是試圖建立模型，並讓它運行，然後調整它。所以說，我只使用99個圖像和99個標籤。作爲參考，我使用它來給我一個連續的輸出，而不僅僅是一個類標籤。以下是我正在使用的代碼。首先，我有一個導入所有數據的腳本。 99個圖像和99個標籤。Keras模型的矩陣大小錯誤

當我到達模型部分的擬合時，它會拋出一個錯誤。「ValueError：檢查模型目標時出錯：期望cropping2d_1有4個維度，但獲得了具有形狀（99，1）的數組」。

我讀了一些關於類似錯誤的其他線程，它似乎可能是我發送keras的數組的順序。我玩弄了它，並得到以下。目前圖像數組的形狀是（99,160,320,3）。我嘗試改變keras中的「input_shape」的順序爲（3,160,320）。這給了我和錯誤「ValueError：錯誤時檢查模型輸入：預期cropping2d_input_1有形狀（無，3,160,320），但有形狀（99,160,320,3）的數組」。然後，我得到了與上面相同的錯誤，然後重新整理了images_center數組。

我已經省略了導入語句，只是爲了在這裏保持簡短。

對後續步驟有何想法？

#Import col 3 to get a length of the dataset 
df = pd.read_csv('/Users/user/Desktop/data/driving_log.csv',usecols=[3]) 

#import and make a matrix of the file paths and data 
f = open('/Users/user/Desktop/data/driving_log.csv') 
csv_f = csv.reader(f) 
m=[] 
for row in csv_f: 
    n=(row) 
    m.append(n) 

#Create labels data 
labels=[] 
for i in range(1,100): 
    label=(m[i][3]) 
    labels.append(label) 
list1=[] 
for i in range(len(labels)): 
    ix=float(labels[i]) 
    list1.append(ix) 
labels=list1 
labels=np.array(labels) 


#Create features data 
#Loop through file paths, combine base path with folder path then read in and append 
images_center=[] 
for i in range(1,100): 
    img=(m[i][0]) 
    img=img.lstrip() 
    path='/Users/user/Desktop/data/' 
    img=path+img 
    image=cv2.imread(img) 

    images_center.append(image) 
images_center=np.array(images_center) 
print(images_center.shape) 

# Fix error with TF and Keras 
import tensorflow as tf 
tf.python.control_flow_ops = tf 
print(images_center.shape) 


model = Sequential() 
model.add(Convolution2D(16,3,3,border_mode='valid',input_shape=(160,320,3))) 


model.compile('adam','categorical_crossentropy',['accuracy']) 
history=model.fit(images_center,labels,nb_epoch=10,validation_split=0.2)

來源

2017-02-17 Jake3991

您的標籤（即「目標」）具有形狀（99,1），因此網絡應該以相同形狀生成輸出。嘗試在末尾添加完全連接的圖層，如model.add(Dense(1))。

來源

2017-02-18 18:31:01 hulleywood

Keras模型的矩陣大小錯誤

回答

相關問題