Наличие некоторых проблем с keras. Я просто пытаюсь создать модель и запустить ее, а затем настроить ее. Так что, говоря, что я использую только 99 изображений и 99 ярлыков. Для справки я использую его, чтобы дать мне непрерывный вывод не только метки класса. Ниже приведен код, который я использую. Сначала у меня есть скрипт, который импортирует все данные. 99 изображений и 99 ярлыков.Ошибка размера матрицы с помощью Keras Модель
Когда я подхожу к подгонке части модели, она бросает мне сообщение об ошибке. «ValueError: ошибка при проверке целевой модели: ожидается, что cropping2d_1 имеет 4 измерения, но получил массив с формой (99, 1)».
Я прочитал некоторые другие темы о подобных ошибках, и, похоже, это может быть порядок массива, который я отправляю keras. Я играл с ним и получил следующее. В настоящее время форма массива изображений (99,160,320,3). Я попытался изменить порядок «input_shape» в keras на (3,160,320). Это дало мне и ошибку «ValueError: ошибка при проверке ввода модели: ожидается, что cropping2d_input_1 имеет форму (None, 3, 160, 320), но получил массив с формой (99, 160, 320, 3)». Затем я преобразовал массив images_center, получив ту же ошибку, что и выше.
Я не указывал инструкции по импорту, чтобы сохранить его здесь.
Любые мысли о следующих шагах?
#Import col 3 to get a length of the dataset
df = pd.read_csv('/Users/user/Desktop/data/driving_log.csv',usecols=[3])
#import and make a matrix of the file paths and data
f = open('/Users/user/Desktop/data/driving_log.csv')
csv_f = csv.reader(f)
m=[]
for row in csv_f:
n=(row)
m.append(n)
#Create labels data
labels=[]
for i in range(1,100):
label=(m[i][3])
labels.append(label)
list1=[]
for i in range(len(labels)):
ix=float(labels[i])
list1.append(ix)
labels=list1
labels=np.array(labels)
#Create features data
#Loop through file paths, combine base path with folder path then read in and append
images_center=[]
for i in range(1,100):
img=(m[i][0])
img=img.lstrip()
path='/Users/user/Desktop/data/'
img=path+img
image=cv2.imread(img)
images_center.append(image)
images_center=np.array(images_center)
print(images_center.shape)
# Fix error with TF and Keras
import tensorflow as tf
tf.python.control_flow_ops = tf
print(images_center.shape)
model = Sequential()
model.add(Convolution2D(16,3,3,border_mode='valid',input_shape=(160,320,3)))
model.compile('adam','categorical_crossentropy',['accuracy'])
history=model.fit(images_center,labels,nb_epoch=10,validation_split=0.2)