python - 凯拉斯 |运行 Inception v3 示例

Question

我正在尝试学习一些 Keras 语法并使用 Inception v3 example

我有一个 4 类多类分类玩具问题，所以我更改了示例中的以下行:

NB_CLASS = 4  # number of classes
DIM_ORDERING = 'tf'  # 'th' (channels, width, height) or 'tf' (width, height, channels)

我的玩具数据集具有以下维度:

• 包含所有图像的数组大小:(595, 299, 299, 3)
• 包含训练图像的数组大小:(416, 299, 299, 3)
• 包含训练标签的数组大小:(179, 4)
• 包含测试图像的数组大小:(179, 299, 299, 3)
• 包含测试标签的数组大小:(179, 4)

然后我尝试使用以下代码训练模型:

# fit the model on the batches generated by datagen.flow()
#  https://github.com/fchollet/keras/issues/1627
#    http://keras.io/models/sequential/#sequential-model-methods
checkpointer = ModelCheckpoint(filepath="/tmp/weights.hdf5", verbose=1, save_best_only=True)
model.fit_generator(datagen.flow(X_train, Y_train,
                batch_size=32),
                nb_epoch=10,
                samples_per_epoch=32,
                class_weight=None, #classWeights,
                verbose=2,
                validation_data=(X_test, Y_test),
                callbacks=[checkpointer])

然后我得到以下错误:

Exception: The model expects 2 input arrays, but only received one array. Found: array with shape (179, 4)`

这可能与此有关，因为 Inception 希望拥有 auxiliary classifiers (Szegedy et al., 2014) :

model = Model(input=img_input, output=[preds, aux_preds])

我又不是高级 Python 程序员，如何在 Keras 中为模型赋予这两个标签？

Answer 1

我建议您先尝试使用 this tutorial .可以找到代码here .

您将在它的第一部分看到，它展示了如何使用以下方法从目录加载数据:

.flow_from_directory(
   train_data_dir,
   target_size=(img_width, img_height),
   batch_size=batch_size,
   class_mode='binary')

为了输入不同的类别，您必须将图像放在每个类别的一个文件夹中(请注意，可能还有另一种方法，即传递标签)。另请注意，在您的情况下 class_mode 不能使用 'binary'(我认为您应该使用 'categorical'):

`"binary"`: binary targets (if there are only two classes),
`"categorical"`: categorical targets,

然后你可以使用 Keras 中已有的 inceptionv3 模型:

from keras.applications import InceptionV3    
cnn = InceptionV3(...)

另请注意，训练 InceptionV3 的示例太少，因为该模型非常大(检查 here 大小)。在这种情况下，您可以做的是迁移学习，在 InceptionV3 上使用预训练的权重。请参阅 the tutorial 中的使用预训练网络的瓶颈特征:一分钟内达到 90% 的准确率部分。 .