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!