Я загружаю набор данных mnist следующим образом,
(X_train, y_train), (X_test, y_test) = mnist.load_data()
Однако, так как мне нужно загрузить и обучить свой собственный набор данных, я написал следующий небольшой сценарий, который даст точные значения тренинга и теста
def load_train(path):
X_train = []
y_train = []
print('Read train images')
for j in range(10):
files = glob(path + "*.jpeg")
for fl in files:
img = get_im(fl)
print(fl)
X_train.append(img)
y_train.append(j)
return np.asarray(X_train), np.asarray(y_train)
соответствующая модель генерирует массив значений (64, 28, 28, 1) во время тренировки. Я конкатенирую image_batch из сгенерированного изображения следующим образом,
X = np.concatenate((image_batch, generated_images))
Однако я получаю следующую ошибку,
ValueError: все входные массивы должны иметь одинаковое количество измерений
Размер img_batch (64, 28, 28)
Генерируемые изображения имеют размер (64, 28, 28, 1)
Как мне расширить размер img_batch
в X_train, чтобы объединить с генерируемыми изображениями? или есть ли другие способы загрузки пользовательских изображений вместо loadmnist?