deep-learning - Keras ImageDataGenerator 未按预期工作

Question

我正在尝试使用 Keras 基于文档中的 [this example][1] 构建自动编码器。因为我的数据很大，所以我想使用生成器来避免将其加载到内存中。

我的模型看起来像:

model = Sequential()
model.add(Convolution2D(16, 3, 3, activation='relu', border_mode='same', input_shape=(3, 256, 256)))
model.add(MaxPooling2D((2, 2), border_mode='same'))
model.add(Convolution2D(8, 3, 3, activation='relu', border_mode='same'))
model.add(MaxPooling2D((2, 2), border_mode='same'))
model.add(Convolution2D(8, 3, 3, activation='relu', border_mode='same'))
model.add(MaxPooling2D((2, 2), border_mode='same'))
model.add(Convolution2D(8, 3, 3, activation='relu', border_mode='same'))
model.add(UpSampling2D((2, 2)))
model.add(Convolution2D(8, 3, 3, activation='relu', border_mode='same'))
model.add(UpSampling2D((2, 2)))
model.add(Convolution2D(16, 3, 3, activation='relu'))
model.add(UpSampling2D((2, 2)))
model.add(Convolution2D(1, 3, 3, activation='sigmoid', border_mode='same'))

model.compile(optimizer='adadelta', loss='binary_crossentropy')

我的发电机:

from keras.preprocessing.image import ImageDataGenerator
train_datagen = ImageDataGenerator(rescale=1./255)
train_generator = train_datagen.flow_from_directory('IMAGE DIRECTORY', color_mode='rgb', class_mode='binary', batch_size=32, target_size=(256, 256))

然后拟合模型:

model.fit_generator(
        train_generator,
        samples_per_epoch=1,
        nb_epoch=1,
        verbose=1,
        )

我收到这个错误:

异常:检查模型目标时出错:预期 convolution2d_76 具有 4 个维度，但得到形状为 (32, 1) 的数组

这看起来像是我的批处理大小而不是样本大小。我做错了什么？

Answer 1

错误很可能是由于 class_mode='binary'。它使生成器生成二进制类，因此输出的形状为 (batch_size, 1)，而您的模型生成四维输出(因为最后一层是卷积)。

我猜您希望您的标签是图像本身。根据flow_from_directory的来源和它使用的DirectoryIterator，仅仅改变class_mode是不可能的。一个可能的解决方案是:

train_generator_ = train_datagen.flow_from_directory('IMAGE DIRECTORY', color_mode='rgb', class_mode=None, batch_size=32, target_size=(256, 256))
def train_generator():
    for x in train_iterator_:
        yield x, x

请注意，我将 class_mode 设置为 None。它使生成器只返回 image 而不是 tuple(image, label)。然后我定义了一个新的生成器，它将图像作为输入和标签返回。