如何在Keras上格式化培训输入和输出数据

Question

我是一个新的深度学习和我的一些数据格式的Keras。我的CNN是基于A.Newell等人的Stacked Hourglass Networks for Human Pose Estimation。在

在这个网络上，输入是一个256x256 RGB图像，输出应该是一个64x64热图，突出显示身体关节（肩部、膝盖等）。我设法建立网络，我有所有的数据（图像）及其注释（身体关节的像素标签）。我想知道如何格式化训练集的输入和输出数据来训练我的模型。目前我使用一个numpy数组（256256,3）作为图像，但我不知道如何格式化输出。我应该创建一个表[n，64，64，7]？（n是训练集的大小，7是我用来获得7个关节热图的过滤器数量）

谢谢你抽出时间。在

Answer 1

输出也可以是numpy数组。 考虑这个例子： 训练集：50张256x256x3的图像。这可以组合成一个单一的numpy数组（50256，256，3）。 类似的方法来格式化输出数据。 示例代码如下：

    #a, b and c are arrays of size 256x256x3
    import numpy as np

    temp = []
    temp.append(a)
    temp.append(b)
    temp.append(c)
    output_labels = []
    output_labels = np.stack(temp)

输出标签数组的形状为（3x256x256x3）。在