Модель ошибка ввода

Question

Здесь ошибка в полной мере:

Exception: Error when checking model input: expected convolution2d_input_1 to have shape (None, 3, 224, 224) but got array with shape (20, 3, 244, 244)

Все работает до окончательного model.fit_generator(...) куска кода. Я использую сервер anano.

Я довольно новичок в keras, так что я точно не знаю, как это сделать. При проверке документации я вижу, что None в layers.convolutional.Convolution2D соответствует количеству партий (или выборок)? Подставляя input_shape=(20,3,244,244), произошла ошибка Exception: Input 0 is incompatible with layer conv1_1: expected ndim=4, found ndim=5. Использование 23000 вместо 20 дало ту же ошибку.

Любая помощь приветствуется.

Ниже мой код:

# ====================== 
# load data 
# ====================== 

# Set relevant paths for dir structure 
current_dir = "/home/ubuntu/nbs/" 
DATA_HOME_DIR = current_dir + 'lesson1/data/redux' 
path = DATA_HOME_DIR + '/' 
train_path = DATA_HOME_DIR + '/train/' 
valid_path = DATA_HOME_DIR + '/valid/' 
test_path = DATA_HOME_DIR + '/test/' 

nb_train_samples = 23000 
nb_validation_samples = 2000 
nb_epoch = 4 

# ====================== 
# import stuff 
# ====================== 
import numpy as np 
from keras.utils.data_utils import get_file 
from keras import backend as K 
from keras.layers.normalization import BatchNormalization 
from keras.models import Sequential 
from keras.layers.core import Flatten, Dense, Dropout, Lambda 
from keras.layers.convolutional import Convolution2D, MaxPooling2D,   ZeroPadding2D 
from keras.layers.pooling import GlobalAveragePooling2D 
from keras.optimizers import SGD, RMSprop, Adam 
from keras.preprocessing import image 
from keras.preprocessing.image import ImageDataGenerator 



# ====================== 
# define model 
# ====================== 

def vgg(): 
model = Sequential() 
model.add(Convolution2D(64, 3, 3,input_shape=(3,224,224), activation='relu', name='conv1_1')) 
model.add(ZeroPadding2D((1, 1))) 
model.add(Convolution2D(64, 3, 3, activation='relu', name='conv1_2')) 
model.add(MaxPooling2D((2, 2), strides=(2, 2))) 

model.add(ZeroPadding2D((1, 1))) 
model.add(Convolution2D(128, 3, 3, activation='relu', name='conv2_1')) 
model.add(ZeroPadding2D((1, 1))) 
model.add(Convolution2D(128, 3, 3, activation='relu', name='conv2_2')) 
model.add(MaxPooling2D((2, 2), strides=(2, 2))) 

model.add(ZeroPadding2D((1, 1))) 
model.add(Convolution2D(256, 3, 3, activation='relu', name='conv3_1')) 
model.add(ZeroPadding2D((1, 1))) 
model.add(Convolution2D(256, 3, 3, activation='relu', name='conv3_2')) 
model.add(ZeroPadding2D((1, 1))) 
model.add(Convolution2D(256, 3, 3, activation='relu', name='conv3_3')) 
model.add(MaxPooling2D((2, 2), strides=(2, 2))) 

model.add(ZeroPadding2D((1, 1))) 
model.add(Convolution2D(512, 3, 3, activation='relu', name='conv4_1')) 
model.add(ZeroPadding2D((1, 1))) 
model.add(Convolution2D(512, 3, 3, activation='relu', name='conv4_2')) 
model.add(ZeroPadding2D((1, 1))) 
model.add(Convolution2D(512, 3, 3, activation='relu', name='conv4_3')) 
model.add(MaxPooling2D((2, 2), strides=(2, 2))) 

model.add(ZeroPadding2D((1, 1))) 
model.add(Convolution2D(512, 3, 3, activation='relu', name='conv5_1')) 
model.add(ZeroPadding2D((1, 1))) 
model.add(Convolution2D(512, 3, 3, activation='relu', name='conv5_2')) 
model.add(ZeroPadding2D((1, 1))) 
model.add(Convolution2D(512, 3, 3, activation='relu', name='conv5_3')) 
model.add(MaxPooling2D((2, 2), strides=(2, 2))) 

model.add(Flatten()) 
model.add(Dense(4096, activation='relu')) 
model.add(Dropout(0.5)) 
model.add(Dense(4096, activation='relu')) 
model.add(Dropout(0.5)) 
model.add(Dense(1000, activation='softmax')) 
return model 


model = vgg() 

print model.summary() 

#### load weights 
    fname = 'vgg16.h5' 
model.load_weights(get_file(fname, 'http://www.platform.ai/models/'+fname, cache_subdir='models')) 

print "successfully created model and loaded weights" 







#### Finetune model 
model.pop() 
for layer in model.layers: layer.trainable=False 
    model.add(Dense(batches.nb_class, activation='softmax')) 

#### Compile model 
model.compile(optimizer=Adam(lr=0.01), 
       loss='categorical_crossentropy', metrics=['accuracy']) 






train_datagen = ImageDataGenerator(
    rescale = 1./255, 
    shear_range = 0.2, 
    zoom_range = 0.2, 
    horizontal_flip=True) 

test_datagen = ImageDataGenerator(rescale=1./255) 

train_generator = train_datagen.flow_from_directory(
    train_path, 
    target_size=(244,244), 
    batch_size = 20, 
    class_mode='categorical') 

validation_generator = test_datagen.flow_from_directory(
    valid_path, 
    target_size=(244,244), 
    batch_size=20, 
    class_mode='categorical') 



model.fit_generator(
    train_generator, 
    samples_per_epoch=nb_train_samples, 
    nb_epoch=nb_epoch, 
    validation_data=validation_generator, 
    nb_val_samples=nb_validation_samples) 

Answer 1

Существует несоответствие между ожидаемым размером изображений и фактического один. Ваша модель ожидает изображения размером 224 x 224 и в соответствии с прилагаемым сообщением об ошибке фактический размер составляет 244 x 244.