Неожиданные размеры с набором данных TensorFlow - PullRequest
Новая
       64

Неожиданные размеры с набором данных TensorFlow

1 голос
/ 28 сентября 2019

Я пытаюсь выполнить обучение с помощью InceptionV3 для набора данных MNIST.

План состоит в том, чтобы прочитать набор данных MNIST, изменить размеры изображений, а затем использовать их для обучения следующим образом: 

import numpy as np
import os
import numpy as np
import matplotlib.pyplot as plt
from PIL import Image

import tensorflow.compat.v2 as tf
import tensorflow.compat.v1 as tfv1
from tensorflow.python.keras.applications import InceptionV3

tfv1.enable_v2_behavior()

print(tf.version.VERSION)

img_size = 299

def preprocess_tf_image(image, label):
  image = tf.image.grayscale_to_rgb(image)
  image = tf.image.resize(image, [img_size, img_size])
  return image, label

#Acquire MNIST data
mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
#Convert data to [0,1] range
x_train, x_test = x_train / 255.0, x_test / 255.0

#Add extra dimension to images so that they can be converted to RGB
x_train = x_train.reshape(x_train.shape[0], 28, 28, 1)
x_test  = x_test.reshape (x_test.shape[0],  28, 28, 1)

x_train = tf.data.Dataset.from_tensor_slices((x_train, y_train))
x_test  = tf.data.Dataset.from_tensor_slices((x_test, y_test))

#Convert images to RGB space and resize
x_train = x_train.map(preprocess_tf_image)
x_test  = x_test.map(preprocess_tf_image)

img_shape = (img_size, img_size, 3)

#Get trained model, but leave off the head
base_model = InceptionV3(input_shape = img_shape, weights='imagenet', include_top=False)
base_model.trainable = False

#Make a model with a new head
model = tf.keras.Sequential([
  base_model,
  tf.keras.layers.GlobalAveragePooling2D(),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation='softmax')
])

#Compile model
model.compile(
    optimizer='adam', #tf.keras.optimizers.RMSprop(lr=BASE_LEARNING_RATE),
    loss='binary_crossentropy',
    metrics=['accuracy']
)

model.fit(x_train, epochs=5)

model.evaluate(x_test)

Но, когда я запускаю это, все останавливается на model.fit() с ошибкой:

ValueError: Ошибка при проверке ввода: ожидалось, что inception_v3_input имеет 4 измерения, но получил массив сформа (299, 299, 3)

Что происходит?

1 Ответ

0 голосов
/ 30 сентября 2019

После того, как вы применили map к набору данных, в ответе нет информации о размере пакета, вам нужно вызвать функцию batch, чтобы добавить его: 

x_train = x_train.batch(batch_size = BATCH_SIZE) # adds batch size dimension to train dataset

x_test = x_test.batch(batch_size = BATCH_SIZE) # idem for test.

После этого я смогу полностью тренироватьсяи оцените модель, используя Google Colab, поскольку вы можете проверить здесь .

...