Неправильный размер слоя Keras - PullRequest
Новая
       28

Неправильный размер слоя Keras

0 голосов
/ 27 декабря 2018

Я строю модель для сегментации дороги, используя набор данных KITTI.Когда я пытался тренировать свою модель, я получил следующую ошибку 

Error when checking target: expected activation_26 to have 2 dimensions, 
but got array with shape (289, 160, 576, 2)

Мой x имеет форму (289, 160, 576, 3) и y (289, 160, 576, 2).Моя модель выглядит следующим образом

Моя модель.

    model = Sequential()
    model.add(Conv2D(96, (5, 5), padding="same",input_shape=(160, 576, 3)))
    model.add(Convolution2D(64, 3, 3, activation='relu'))
    model.add(ZeroPadding2D((1,1)))
    model.add(Convolution2D(64, 3, 3, activation='relu'))
    model.add(MaxPooling2D((2,2), strides=(2,2),  dim_ordering="tf"))

    model.add(ZeroPadding2D((1,1)))
    model.add(Convolution2D(128, 3, 3, activation='relu'))
    model.add(ZeroPadding2D((1,1)))
    model.add(Convolution2D(128, 3, 3, activation='relu'))
    model.add(MaxPooling2D((2,2), strides=(2,2),  dim_ordering="tf"))

    model.add(ZeroPadding2D((1,1)))


    model.add(ZeroPadding2D((1,1)))
    model.add(Convolution2D(512, 3, 3, activation='relu'))
    model.add(ZeroPadding2D((1,1)))
    model.add(Convolution2D(512, 3, 3, activation='relu'))
    model.add(ZeroPadding2D((1,1)))
    model.add(Convolution2D(512, 3, 3, activation='relu'))
    model.add(MaxPooling2D((2,2), strides=(2,2) ,  dim_ordering="tf"))



    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))
    # softmax classifier
    model.add(Dense(2))
    model.add(Activation("softmax"))


   #Here is my data augmentation 
    aug = ImageDataGenerator(rotation_range=40, width_shift_range=0.2,
    height_shift_range=0.2, shear_range=0.1, zoom_range=0.2,
     fill_mode="nearest")
    adam = Adam(lr=1e-5)
    model.compile(loss='categorical_crossentropy', optimizer=adam, metrics=['accuracy'])
    H = model.fit_generator(aug.flow(x, y, batch_size=BATCH_SIZE),
         validation_data=(x, y), steps_per_epoch=len(x) // BATCH_SIZE,
         epochs=EPOCHS, verbose=1)

Я думаю, что это проблема с последним слоем.Мой у многомерный, но мой последний слой двухмерный.Когда я изменяю свой слой на model.add(Dense((289, 160, 576, 2))), я получаю эту ошибку TypeError: unsupported operand type(s) for +: 'int' and 'tuple'

1 Ответ

0 голосов
/ 27 декабря 2018

Попробуйте сделать следующее: 

from keras.layers import Input, Conv2D, MaxPooling2D, UpSampling2D, ZeroPadding2D, Convolution2D
from keras.models import Sequential 

model = Sequential()
model.add(Conv2D(96, (5, 5), padding="same", input_shape=(160, 576, 3)))
model.add(Convolution2D(64, 3, 3, activation='relu'))
model.add(ZeroPadding2D((1, 1)))
model.add(Convolution2D(64, 3, 3, activation='relu'))
model.add(MaxPooling2D((2, 2), strides=(2, 2), dim_ordering="tf"))

model.add(ZeroPadding2D((1, 1)))
model.add(Convolution2D(128, 3, 3, activation='relu'))
model.add(ZeroPadding2D((1, 1)))
model.add(Convolution2D(128, 3, 3, activation='relu'))
model.add(MaxPooling2D((2, 2), strides=(2, 2), dim_ordering="tf"))

model.add(ZeroPadding2D((1, 1)))

model.add(ZeroPadding2D((1, 1)))
model.add(Convolution2D(512, 3, 3, activation='relu'))
model.add(ZeroPadding2D((1, 1)))
model.add(Convolution2D(512, 3, 3, activation='relu'))
model.add(ZeroPadding2D((1, 1)))
model.add(Convolution2D(512, 3, 3, activation='relu'))
model.add(MaxPooling2D((2, 2), strides=(2, 2), dim_ordering="tf"))

# at this point the representation is (20, 72, 512)
# we need to evolve this to become (160, 576, 2)

#### This part I would leave out:

# 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))
# # softmax classifier
# model.add(Dense(2))
# model.add(Activation("softmax"))

#### ... and replace it with:

model.add(Conv2D(128, (2, 2), padding="same")) # (20, 72, 128)
model.add(UpSampling2D((2,2))) # (40, 144, 128)
model.add(Conv2D(64, (2, 2), padding="same")) # (40, 144, 64)
model.add(UpSampling2D((2,2))) # (80, 288, 64)
model.add(Conv2D(16, (2, 2), padding="same")) # (80, 288, 16)
model.add(UpSampling2D((2,2))) # # (160, 576, 16)
model.add(Conv2D(2, (2, 2), activation="softmax", padding="same")) # (160, 576, 2)


print(model.summary())
...