machine-learning - keras 模型 fit_generator ValueError : Error when checking model target: expected cropping2d_4 to have 4 dimensions, 但得到形状为 (32, 1) 的数组

Question

我正在尝试使用 keras model.fit_generator() 来拟合模型，以下是我对生成器的定义:

from sklearn.utils import shuffle
IMG_PATH_PREFIX = "./data/IMG/"
def generator(samples, batch_size=64):
    num_samples = len(samples)
    while 1: # Loop forever so the generator never terminates
        shuffle(samples)
        for offset in range(0, num_samples, batch_size):
            batch_samples = samples[offset:offset+batch_size]

            images = []
            angles = []
            for batch_sample in batch_samples:
                name = IMG_PATH_PREFIX  + batch_sample[0].split('/')[-1]

                center_image = cv2.imread(name)
                center_angle = float(batch_sample[3])                

                images.append(center_image)
                angles.append(center_angle)

        X_train = np.array(images)
        y_train = np.array(angles)

        #X_train = np.expand_dims(X_train, axis=0)
        #y_train = np.expand_dims(y_train, axis=1)
        print("X_train shape: ", X_train.shape, " y_train shape:", y_train.shape)
        #print("X train: ", X_train)
        yield X_train, y_train 

train_generator = generator(train_samples, batch_size = 32)
validation_generator = generator(validation_samples, batch_size = 32)

这里的输出形状是:X_train 形状:(32, 160, 320, 3) y_train 形状:(32,)

模型拟合代码是:

model = Sequential()
#cropping layer
model.add(Cropping2D(cropping=((50,20), (1,1)), input_shape=(160,320,3),  dim_ordering='tf'))
model.compile(loss = "mse", optimizer="adam")
model.fit_generator(train_generator, samples_per_epoch= len(train_samples), validation_data=validation_generator, nb_val_samples=len(validation_samples), nb_epoch=3)

然后我收到错误消息:

ValueError:检查模型目标时出错:预期cropping2d_6 有 4 个维度，但得到形状为 (32, 1) 的数组

有人可以帮我知道问题出在哪里吗？

Answer 1

这里最大的问题是:你知道你想做什么吗？

1) 如果您阅读 here ，输入是 4D 张量，输出也是 4D 张量。您的目标是形状为 (batch_size,1) 的二维张量。因此，当然，当 keras 尝试计算具有 3D(没有批量维度)的输出和具有 1D(没有批量维度)的目标之间的误差时，这是没有意义的。输出和目标必须具有相同的尺寸。

2)你知道cropping2D实际上在做什么吗？它正在裁剪您的图像...因此删除裁剪尺寸开头和结尾的值。在您的情况下，您输出形状为 (90, 218, 3) 的图像。这不是预测，该层没有可训练的权重，因此没有理由拟合“模型”。您的模型只是裁剪图像。无需任何培训。