Керас "подходит" ввод неясно

Question

Я пытаюсь передать изображения размером (350x350x3) в качестве формы ввода и хочу обучить сеть выводить (1400x1400x3) изображение (4-кратное увеличение).

Мой обучающий набор данных состоит из 8images 1400x1400x3, которые я переворачиваю, чтобы получить 32 изображения для проверки.

Затем я уменьшаю эти 32 изображения до 350x350x3, чтобы получить входные изображения, которые будут перекрестно проверены сих 32 других аналога.

print(type(validateData))
print(validateData.shape)
print(type(validateData[0].shape))
print(validateData[0].shape)

возвращает

<class 'numpy.ndarray'>
(32,)
<class 'tuple'>
(1400, 1400, 3)

И, аналогично:

print(type(trainingData))  # <class 'numpy.ndarray'>
print(trainingData.shape)  # (32,)
print(type(trainingData[0].shape))  # <class 'tuple'>
print(trainingData[0].shape)  # (350, 350, 3)

Так что, когда я делаю

model.fit(trainingData,
          validateData,
          epochs=5,
          verbose=2,
          batch_size=4)  # 32 images-> 8 batches of 4

Что именно я должен ввести в качестве двух первых параметров функции .fit?

Как есть, я получаю эту ошибку:

ValueError: Error when checking input: expected input_1 to have 4 dimensions, but got array with shape (32, 1)

Вот мой полный код , если вы хотите посмотреть его.

Keras API не очень ясно о форматировании данных, которые должны быть предоставлены:

fit
fit(x=None, y=None, batch_size=None, epochs=1, verbose=1, callbacks=None, validation_split=0.0, validation_data=None, shuffle=True, class_weight=None, sample_weight=None, initial_epoch=0, steps_per_epoch=None, validation_steps=None)
Trains the model for a given number of epochs (iterations on a dataset).

Arguments

x: Numpy array of training data (if the model has a single input), or list of Numpy arrays (if the model has multiple inputs). If input layers in the model are named, you can also pass a dictionary mapping input names to Numpy arrays.  x can be None (default) if feeding from framework-native tensors (e.g. TensorFlow data tensors).
y: Numpy array of target (label) data (if the model has a single output), or list of Numpy arrays (if the model has multiple outputs). If output layers in the model are named, you can also pass a dictionary mapping output names to Numpy arrays.  y can be None (default) if feeding from framework-native tensors (e.g. TensorFlow data tensors).

---

Вот полный код другой реализации , которую я пытался использовать.На этот раз я изменил параметры, чтобы они были списками Python для np_arrays (каждое изображение является трехмерным np_array).Теперь я получаю эту ошибку:

ValueError: Error when checking model input: the list of Numpy arrays that you are passing to your model is not the size the model expected. Expected to see 1 array(s), but instead got the following list of 32 arrays: [array([[[0.6774938 , 0.64219969, 0.60690557],
        [0.67257049, 0.63743775, 0.60206295],
        [0.67203473, 0.6418085 , 0.60398018],
        ...,
        [0.55292714, 0.5253832 , 0.46217287],
  ...

Трудно понять, ближе я или дальше.

Answer 1

fit(x=None, y=None, batch_size=None, epochs=1, verbose=1, callbacks=None, validation_split=0.0, validation_data=None, shuffle=True, class_weight=None, sample_weight=None, initial_epoch=0, steps_per_epoch=None, validation_steps=None)

В функции подгонки x указаны ваши тренировочные данные.Возможно, он более уместно называется X_train или чем-то похожим, а не trainData.В этом случае, если у вас есть 32 тренировочных изображения формы (350, 350, 3), они должны быть сложены в четырехмерный (32, 350, 350, 3) массив.Если у вас есть массив ваших изображений как объекты, которые, как вам кажется, вы можете изменить, используя следующий код

X_train = np.array([x for x in trainingData])

Тогда y в функции подгонки - это значения, которые вы хотите, чтобы ваша сеть выводила для соответствующеговведите, как правило, метку и в этом случае большие изображения.Вы называете это validateData, но чаще это называется чем-то ближе к y_train.Данные проверки - это данные, которые не используются во время обучения, а только во время оценки модели после каждой эпохи.Так что формируйте y_train так же, как X_train.Ожидаемая форма y_train будет (32, 1400, 1400, 3).