我想用conv3d在同一个CNN结构中同时输入8个图像。我的CNN模型如下:
def build(sample, frame, height, width, channels, classes):
model = Sequential()
inputShape = (sample, frame, height, width, channels)
chanDim = -1
if K.image_data_format() == "channels_first":
inputShape = (sample, frame, channels, height, width)
chanDim = 1
model.add(Conv3D(32, (3, 3, 3), padding="same", input_shape=inputShape))
model.add(Activation("relu"))
model.add(BatchNormalization(axis=chanDim))
model.add(MaxPooling3D(pool_size=(2, 2, 2), padding="same", data_format="channels_last"))
model.add(Dropout(0.25))
model.add(Conv3D(64, (3, 3, 3), padding="same"))
model.add(Activation("relu"))
model.add(BatchNormalization(axis=chanDim))
model.add(MaxPooling3D(pool_size=(2, 2, 2), padding="same", data_format="channels_last"))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(128)) #(Dense(1024))
model.add(Activation("relu"))
model.add(BatchNormalization())
model.add(Dropout(0.5))
# softmax classifier
model.add(Dense(classes))
model.add(Activation("softmax")
模型培训如下:
^{pr2}$我混淆了输入形状,我知道Conv3D需要5D输入,输入是4D,批添加来自keras,但我有以下错误:
ValueError: Error when checking input: expected conv3d_1_input to have 5 dimensions, but got array with shape (92, 60, 60, 3)
谁能帮帮我我能做什么?92的结果是什么,我用(57,8,60,60,3)确定输入形状。我的输入形状应该变成8个彩色图像同时输入到同一个模型中。在
Here是一个自定义imagedatagenerator,用于Conv3D nets的5D输入。希望有帮助。下面是一个如何使用它的示例:
或
您可以构建自己的5D张量:
^{pr2}$对于上面的代码段,文件夹结构必须如下所示:
相关问题 更多 >
编程相关推荐