В генераторе изображений отсутствует позиционный аргумент для unet keras - PullRequest
Новая
       17

В генераторе изображений отсутствует позиционный аргумент для unet keras

0 голосов
/ 21 ноября 2018

Я продолжаю получать следующую ошибку для приведенного ниже кода, когда пытаюсь обучить модель: TypeError: fit_generator() missing 1 required positional argument: 'generator'.По жизни я не могу понять, что является причиной этой ошибки.x_train - изображение формы rgb (400, 256, 256, 3), а для y_train у меня есть 10 выходных классов, делающих его форму (400, 256, 256, 10).Что здесь не так?

При необходимости данные можно скачать по следующей ссылке: https://www49.zippyshare.com/v/5pR3GPv3/file.html

import skimage
from skimage.io import imread, imshow, imread_collection, concatenate_images
from skimage.transform import resize
from skimage.morphology import label
import numpy as np
import matplotlib.pyplot as plt
from keras.models import Model
from keras.layers import Input, merge, Convolution2D, MaxPooling2D, UpSampling2D, Reshape, core, Dropout
from keras.optimizers import Adam
from keras.callbacks import ModelCheckpoint, LearningRateScheduler
from keras import backend as K
from sklearn.metrics import jaccard_similarity_score
from shapely.geometry import MultiPolygon, Polygon
import shapely.wkt
import shapely.affinity
from collections import defaultdict
from keras.preprocessing.image import ImageDataGenerator
from keras.utils.np_utils import to_categorical
from keras import utils as np_utils
import os
from keras.preprocessing.image import ImageDataGenerator
gen = ImageDataGenerator()
#Importing image and labels
labels = skimage.io.imread("ede_subset_293_wegen.tif")
images = skimage.io.imread("ede_subset_293_20180502_planetscope.tif")[...,:-1]


#scaling image
img_scaled = images / images.max()

#Make non-roads 0
labels[labels == 15] = 0

#Resizing image and mask and labels
img_scaled_resized = img_scaled[:6400, :6400 ]
print(img_scaled_resized.shape)
labels_resized = labels[:6400, :6400]
print(labels_resized.shape)

#splitting images
split_img = [
    np.split(array, 25, axis=0) 
    for array in np.split(img_scaled_resized, 25, axis=1)
]

split_img[-1][-1].shape

#splitting labels
split_labels = [
    np.split(array, 25, axis=0) 
    for array in np.split(labels_resized, 25, axis=1)
]

#Convert to np.array
split_labels = np.array(split_labels)
split_img = np.array(split_img)

train_images = np.reshape(split_img, (625, 256, 256, 3))
train_labels = np.reshape(split_labels, (625, 256, 256, 10))

train_labels = np_utils.to_categorical(train_labels, 10)

#Create train test and val
x_train = train_images[:400,:,:,:]
x_val = train_images[400:500,:,:,:]
x_test = train_images[500:625,:,:,:]
y_train = train_labels[:400,:,:]
y_val = train_labels[400:500,:,:]
y_test = train_labels[500:625,:,:]

# Create image generator (credit to Ioannis Nasios)
data_gen_args = dict(rotation_range=5,
                     width_shift_range=0.1,
                     height_shift_range=0.1,
                     validation_split=0.2)
image_datagen = ImageDataGenerator(**data_gen_args)

seed = 1
batch_size = 100

def XYaugmentGenerator(X1, y, seed, batch_size):
    genX1 = gen.flow(X1, y, batch_size=batch_size, seed=seed)
    genX2 = gen.flow(y, X1, batch_size=batch_size, seed=seed)
    while True:
        X1i = genX1.next()
        X2i = genX2.next()

        yield X1i[0], X2i[0]


# Train model
Model.fit_generator(XYaugmentGenerator(x_train, y_train, seed, batch_size), steps_per_epoch=np.ceil(float(len(x_train)) / float(batch_size)),
                validation_data = XYaugmentGenerator(x_val, y_val,seed, batch_size), 
                validation_steps = np.ceil(float(len(x_val)) / float(batch_size))
, shuffle=True, epochs=20)

1 Ответ

0 голосов
/ 21 ноября 2018

В вашем коде есть несколько ошибок, но, учитывая вашу ошибку:

TypeError: fit_generator () отсутствует 1 обязательный позиционный аргумент: 'generator'

thisвызвано тем, что fit_generator вызывает XYaugmentGenerator, но внутри не вызывается генератор дополнения. 

gen.flow(...

не будет работать, потому что gen не объявлен.Вам следует либо переименовать image_datagen в gen как 

gen = ImageDataGenerator(**data_gen_args)

, либо заменить gen на image_datagen 

genX1 = image_datagen.flow(X1, y, batch_size=batch_size, seed=seed)
genX2 = image_datagen.flow(y, X1, batch_size=batch_size, seed=seed)
...