ValueError: Ошибка при проверке цели: ожидается, что плотность_2 будет иметь форму (Нет, 2), но получен массив с формой (321, 3)

Question

Я хочу создать классификатор изображений, используя керасы, и обучить его на нескольких примерах изображений. Затем я буду использовать предварительно обученные модели и добавлять несколько слоев в конце, но сначала я хочу понять керасы и CNN.

Моя консоль печатает следующую ошибку:

ValueError: Ошибка при проверке цели: ожидается, что плотность_2 будет иметь форму (Нет, 2), но получил массив с формой (321, 3)

Вот мой код:

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function

import argparse
import sys
import time

import numpy as np
import cv2
import time
from PIL import Image

import keras
import glob
from keras.models import Sequential
from keras.models import load_model
from keras.layers import Dense, Dropout, Flatten
from keras.layers import Conv2D, MaxPooling2D
from keras.optimizers import SGD
from sklearn.preprocessing import LabelBinarizer


labels = ['buena', 'mala', 'otro']

def to_one_hot(labels, ys):
    result = np.zeros((len(ys),len(labels)))
    for i in range(result.shape[0]):
        for j in range(result.shape[1]):
            result[i,j] = int(ys[i] == labels[j])
    return result

def build_dataset(labels):
    num_classes = len(labels)
    x = []
    y = []
    for label in labels:
        for filename in (glob.glob('./tf_files/papas_fotos/'+label+'/*.jpg')):
            img = cv2.imread(filename)
            img = np.resize(img,(100,100, 3))
            x.append(img)
            y.append(label)
    y = to_one_hot(labels, y)
    # y = keras.utils.to_categorical(y, num_classes=3)
    x = np.array(x)
    x_train = x[20:]
    y_train = y[20:]
    x_test = x[:19]
    y_test = y[:19]
    print (x.shape, y.shape)
    return x_train, y_train, x_test, y_test

model = Sequential()
# input: 100x100 images with 3 channels -> (100, 100, 3) tensors.
# this applies 32 convolution filters of size 3x3 each.
model.add(Conv2D(32, (3, 3), activation='relu', input_shape=(100, 100, 3)))
model.add(Conv2D(32, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))

model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))

model.add(Flatten())
model.add(Dense(256, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(3, activation='softmax'))

sgd = SGD(lr=0.01, decay=1e-6, momentum=0.9, nesterov=True)
model.compile(loss='categorical_crossentropy', optimizer=sgd)

x_train, y_train, x_test, y_test = build_dataset(labels)

model = load_model('thebestmodel.h5')
print (model)
model.fit(x_train, y_train, batch_size=32, epochs=20)
score = model.evaluate(x_test, y_test, batch_size=32)
model.save('thebestmodel.h5')
print (score)

Какую ошибку я делаю? Я думаю, что это может быть размером с мои метки, но я не могу заставить его работать.

Спасибо!

Answer 1

Хотя ваш код был исправлен для этой конкретной ошибки, вы загружаете сохраненную модель: model = load_model('thebestmodel.h5')

Это отменяет все до этой строки.