ожидаемый ndim = 4 найденный ndim = 5 и другие ошибки - Keras - Набор данных GTSRB - PullRequest
Новая
       5

ожидаемый ndim = 4 найденный ndim = 5 и другие ошибки - Keras - Набор данных GTSRB

0 голосов
/ 24 октября 2018

Я пытаюсь создать модель CNN на основе набора данных GTSRB (ссылка приведена ниже), но я сталкиваюсь со следующей ошибкой:

Когда я устанавливаю input_shape = input_shape = (3,IMG_SIZE, IMG_SIZE), я получаю эту ошибку:

ValueError: Ошибка при проверке ввода: ожидалось, что conv2d_34_input имеет 4 измерения, но получил массив с формой (9030, 1)

Когда я исследовал проблему, я обнаружил, что одним из решений может быть передача batch_size в качестве параметра, при попытке этого я получаю эту ошибку:

ValueError: Вход 0 несовместим со слоем conv2d_40: ожидаемый ndim = 4, найденный ndim = 5

Когда я пытаюсь изменить форму training_images, я получаю эту ошибку:

ValueError: невозможно преобразовать массив размером 9030 вshape (48,48,3)

Фрагменты кода: Загрузка набора обучающих данных: 

import csv

# Training dataset
def readTrafficSignsTrain(rootpath):
    '''Reads traffic sign data for German Traffic Sign Recognition Benchmark.

    Arguments: path to the traffic sign data, for example './GTSRB/Training'
    Returns:   list of images, list of corresponding labels'''
    images = [] # images
    labels = [] # corresponding labels

    # loop over all 42 classes
    for c in range(0,43):
#         prefix = rootpath + '/' + format(c, '05d') + '/' # subdirectory for class
#         annFile = open(prefix + 'GT-'+ format(c, '05d') + '.csv') # annotations file
        prefix = rootpath + '/00000' + '/'
        annFile = open(prefix + 'GT-00000' + '.csv')
        annReader = csv.reader(annFile, delimiter=';') # csv parser for annotations file
        next(annReader, None) # skip header

        # loop over all images in current annotations file
        for row in annReader:
            images.append(plt.imread(prefix + row[0])) # the 1st column is the filename
            labels.append(row[7]) # the 8th column is the label

        annFile.close()
    return images, labels

training_images, training_labels = readTrafficSignsTrain('./GTSRB/Training')

Вот проблема, формы изображений не совпадают, например

print(len(training_images))
print(len(training_labels))
print()
print(training_images[0].shape)
print(training_images[20].shape)
print(training_images[200].shape)
print(training_images[2000].shape)

Выходы

9030 9030

(30, 29, 3) (54, 57, 3) (69, 63, 3) (52, 51, 3)

Настройка слоя (скопировано и вставленоиз документации Keras, ссылки на которую приведены ниже): 

IMG_SIZE = 48
NUM_CLASSES = 43
K.set_image_data_format('channels_first')

batch_size = 32

def cnn_model():
    model = Sequential()

    model.add(Conv2D(32, (3, 3), padding='same',
                     input_shape=(3, IMG_SIZE, IMG_SIZE),
                     activation='relu',
                     data_format="channels_first"))
    model.add(Conv2D(32, (3, 3), activation='relu'))
    model.add(MaxPooling2D(pool_size=(2, 2), data_format="channels_first"))
    model.add(Dropout(0.2))

    model.add(Conv2D(64, (3, 3), padding='same',
                     activation='relu'))
    model.add(Conv2D(64, (3, 3), activation='relu'))
    model.add(MaxPooling2D(pool_size=(2, 2)))
    model.add(Dropout(0.2))

    model.add(Conv2D(128, (3, 3), padding='same',
                     activation='relu'))
    model.add(Conv2D(128, (3, 3), activation='relu'))
    model.add(MaxPooling2D(pool_size=(2, 2)))
    model.add(Dropout(0.2))

    model.add(Flatten())
    model.add(Dense(512, activation='relu'))
    model.add(Dropout(0.5))
    model.add(Dense(NUM_CLASSES, activation='softmax'))
    return model

model = cnn_model()

Обучение модели (пока только модель.fit 

import numpy

trim = numpy.array(training_images)
trlb = numpy.array(training_labels)

print(training_images[0].shape)
print(trim.shape)

trim - trim.reshape(48, 48, 3)

model.fit(trim, trlb, epochs = 30, batch_size = 32)

Вывод

ValueError:невозможно преобразовать массив размером 9030 в форму (48,48,3)

Когда я удаляю изменение формы

ValueError: Ошибка при проверке ввода: ожидается, что conv2d_41_input имеет 4размеры, но получил массив с формой (9030, 1)

Когда я использую это вместо 

model.fit(training_images, training_labels, epochs = 30, batch_size = 32)

Выход 

> 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 9030
> arrays: [array([[[ 75,  78,  80],
>             [ 74,  76,  78],
>             [ 86,  87,  84],
>             ...,
>             [ 68,  75,  75],
>             [ 65,  69,  68],
>             [ 66,  67,  66]],
>     
>            [[ 83,  84,  86],
>             [...

Итак, если я делаюэто (не совсем понятно почему) 

for i in range(len(training_images)):
    model.fit(training_images[i], training_labels[i], epochs = 30, batch_size = 32)

Я получаю

ValueError: Ошибка при проверке ввода: ожидалось, что conv2d_41_input имеет 4 измерения, но получил массив с формой (30, 29, 3)

То есть с 

input_shape=(3, IMG_SIZE, IMG_SIZE)

Если я сделаю 

input_shape=(batch_size, 3, IMG_SIZE, IMG_SIZE)

Я получу

ValueError: Input0 несовместим со слоем conv2d_47: ожидаемый ndim = 4,found ndim = 5

Вывод model.summary () 

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
conv2d_34 (Conv2D)           (None, 32, 48, 48)        896       
_________________________________________________________________
conv2d_35 (Conv2D)           (None, 32, 46, 46)        9248      
_________________________________________________________________
max_pooling2d_14 (MaxPooling (None, 32, 23, 23)        0         
_________________________________________________________________
dropout_14 (Dropout)         (None, 32, 23, 23)        0         
_________________________________________________________________
conv2d_36 (Conv2D)           (None, 64, 23, 23)        18496     
_________________________________________________________________
conv2d_37 (Conv2D)           (None, 64, 21, 21)        36928     
_________________________________________________________________
max_pooling2d_15 (MaxPooling (None, 64, 10, 10)        0         
_________________________________________________________________
dropout_15 (Dropout)         (None, 64, 10, 10)        0         
_________________________________________________________________
conv2d_38 (Conv2D)           (None, 128, 10, 10)       73856     
_________________________________________________________________
conv2d_39 (Conv2D)           (None, 128, 8, 8)         147584    
_________________________________________________________________
max_pooling2d_16 (MaxPooling (None, 128, 4, 4)         0         
_________________________________________________________________
dropout_16 (Dropout)         (None, 128, 4, 4)         0         
_________________________________________________________________
flatten_4 (Flatten)          (None, 2048)              0         
_________________________________________________________________
dense_10 (Dense)             (None, 512)               1049088   
_________________________________________________________________
dropout_17 (Dropout)         (None, 512)               0         
_________________________________________________________________
dense_11 (Dense)             (None, 43)                22059     
=================================================================
Total params: 1,358,155
Trainable params: 1,358,155
Non-trainable params: 0
_________________________________________________________________
None

Если кто-то может помочь, это будет в основном оценено.

Ссылки GTSRB: http://benchmark.ini.rub.de/?section=gtsrb&subsection=news Документация Keras Я получил модель от: https://chsasank.github.io/keras-tutorial.html

Ссылка для полного проекта на github: https://github.com/PavlySz/TSR-Project

Спасибо!

1 Ответ

0 голосов
/ 25 октября 2018

Вы не можете преобразовать массив np.array в то, что не позволяют измерения.Вот что вы можете сделать 

import numpy as np 
img_arr = np.array([np.ones((30, 29, 3)), 
                    np.ones((54, 57, 3)), 
                    np.ones((69, 63, 3)), 
                    np.ones((52, 51, 3))])

print(img_arr.shape)

import cv2
img_arr_conv = np.array([cv2.resize(img, dsize=(48, 48)) for img in img_arr])
print(img_arr_conv.shape)

>>>(4,)
>>>(4, 48, 48, 3)

Вы получили ValueError: cannot reshape array of size 9030 into shape (48,48,3), потому что numpy не может вывести размеры массива, если все элементы имеют разные размеры, и он не может изменить форму массива, что измерения не позволяют,Это также относится и к ValueError: Error when checking input: expected conv2d_41_input to have 4 dimensions, but got array with shape (9030, 1).Numpy знает только, что в массиве 9030 элементов.Он не может сделать ничего, кроме этого, потому что все размеры элементов различны.
Пример 

img_arr_bad = np.array([np.ones((30, 29, 3)), 
                        np.ones((54, 57, 3)), 
                        np.ones((69, 63, 3)), 
                        np.ones((52, 51, 3))])

img_arr_good = np.array([np.ones((48, 48, 3)), 
                         np.ones((48, 48, 3)), 
                         np.ones((48, 48, 3)), 
                         np.ones((48, 48, 3))])

print(img_arr_bad.shape)
print(img_arr_good.shape)

>>>(4,)
>>>(4, 48, 48, 3)

Надеюсь, это поможет

...