我正在尝试用keras做一个图像分类器来预测乳腺癌的病例,在这之前我遇到了一些麻烦,因为它不是一个“简单”的分类器,我不能用keras的传统方法来做这件事。因此,我试图添加更多的信息,而不仅仅是一个图像,比如一个数组[图像,年龄,密度]。我在这方面是新手,所以我不知道是否有可能或者如何寻找正确的方法来做到这一点,我正在尝试这样做:
X = np.array(X) \\ the image
y = np.array(y) \\ an array with 1 or 0 (cancer or not)
z = np.array(z) \\ the density of the breast
\al数组对应于相同的病例,如X[0]
是图像y[0]
,如果该病例是否为癌症,以及z[0]
该病例的密度
model = Sequential()
model.add(Conv2D(64,(3,3), activation = 'relu'))
model.add(MaxPooling2D((2,2)))
model.add(Conv2D(64,(3,3), activation = 'relu'))
model.add(MaxPooling2D((2,2)))
model.add(Flatten())
model.add(Dense(128, input_shape = X.shape[1:],activation = 'relu'))
model.add(Dense(2,activation = 'softmax'))
model.compile(optimizer = 'adam', loss = 'sparse_categorical_crossentropy', metrics = ['accuracy'])
model.fit(X,z,y, epochs = 20) // i actually don't know how to give the information to the model
这就是错误:
包含多个元素的数组的真值不明确。使用a.any()
或a.all()
Fit不接受这样的参数。如果查看function definition,第一个参数是输入的,第二个是目标预测,第三个是批量大小
您应该做的是连接X和z(以及任何其他信息),因为它们都是输入数据。e、 g
注意:
z[..., np.newaxis]
获取一个大小为[H, W]
的数组,并将其设置为[H, W, 1]
,以便您可以将其与X连接起来,我假设X是一个具有[H,W,3]
形状的RGB图像。如果它是灰度的,就忽略它,简单地使用z
实际上,您需要的是具有维度[H、W、C]的输入,其中C是所有数据的维度,例如[红色、绿色、蓝色、年龄、密度等]。在网络设计中,将非图像信息(如年龄)注入网络的最后一层(例如,注入密集(128))可能更有意义
相关问题 更多 >
编程相关推荐