我正在建立一个模型,它有一个图像输入(130130,1)和3个输出,每个输出包含一个(10,1)向量,其中softmax单独应用。你知道吗
(Inspired by J. Goodfellow, Yaroslav Bulatov, Julian Ibarz, Sacha Arnoud, and Vinay D. Shet. Multi-digit number recognition from street view imagery using deep convolutional neural networks. CoRR, abs/1312.6082, 2013. URL http://arxiv.org/abs/1312.6082 , sadly they didn't publish their network).
input = keras.layers.Input(shape=(130,130, 1)
l0 = keras.layers.Conv2D(32, (5, 5), padding="same")(input)
[conv-blocks etc]
l12 = keras.layers.Flatten()(l11)
l13 = keras.layers.Dense(4096, activation="relu")(l12)
l14 = keras.layers.Dense(4096, activation="relu")(l13)
output1 = keras.layers.Dense(10, activation="softmax")(l14)
output2 = keras.layers.Dense(10, activation="softmax")(l14)
output3 = keras.layers.Dense(10, activation="softmax")(l14)
model = keras.models.Model(inputs=input, outputs=[output1, output2, output3])
model.compile(loss=['categorical_crossentropy', 'categorical_crossentropy',
'categorical_crossentropy'],
loss_weights=[1., 1., 1.],
optimizer=optimizer,
metrics=['accuracy'])
train_generator = train_datagen.flow(x_train,
[[y_train[:, 0, :], y_train[:, 1, :], y_train[:, 2, :]],
batch_size=batch_size)
但是我得到:值错误:x
(图像张量)和y
(标签)应该有相同的长度。发现:x.shape=(1000,130,130,1),y.shape=(3,1000,10)
但如果我把它改成:
[same as before]
train_generator = train_datagen.flow(x_train,
y_train,
batch_size=batch_size)
然后我得到:ValueError:检查模型目标时出错:传递给模型的Numpy数组列表不是模型所期望的大小。预计将看到3个阵列
在documentation中,它是这样说的
model = Model(inputs=[main_input, auxiliary_input], outputs=
[main_output, auxiliary_output])
然而,我不知道你怎么能有相同的长度输出和输入?你知道吗
感谢@Djib2011。当我在文档中查找示例以便在字典中传递它时,我注意到所有示例都使用
model.fit()
,而不是model.fit_generator()
。你知道吗所以我做了研究,发现还有一个bug(从2016年开始开放!)用于具有单输入和多输出的ImageDataGenerator。 悲惨的故事。你知道吗
所以解决方法是使用
model.fit()
而不是model.fit_generator()
。你知道吗相关问题 更多 >
编程相关推荐