Как скомпилировать модель Keras CNN и использовать метод fit_generator?

Question

Я пытаюсь сделать классификатор собак и кошек, но он дает мне ошибку относительно компиляции. Хотя я скомпилировал свою модель, она все еще выдает ошибку, говорящую о том, что вам нужно сначала скомпилировать вашу модель, когда я пытаюсьиспользуйте fit_generator пожалуйста помогите !!!!!!!!

classifier = Sequential()

classifier.add(Convolution2D(filters = 32, kernel_size = [3,3], padding = 'SAME', activation = 'relu'))
classifier.add(MaxPooling2D(pool_size = (2, 2)))
classifier.add(Flatten())
classifier.add(Dense(units = 128, activation = 'relu'))
classifier.add(Dense(units = 1, activation = 'sigmoid'))

train_datagen = ImageDataGenerator(rescale = 1./255, shear_range = 0.2, zoom_range = 0.2, horizontal_flip = True)
test_datagen = ImageDataGenerator(rescale = 1./255)
training_set = train_datagen.flow_from_directory('dataset/training_set', target_size = (64, 64), batch_size = 32, class_mode = 'binary')
test_set = test_datagen.flow_from_directory('dataset/test_set', target_size = (64, 64), batch_size = 32, class_mode = 'binary')

classifier.compile(optimizer = 'adam', loss = 'binary_crossentropy', metrics = ['accuracy'])

classifier.fit_generator(training_set, steps_per_epoch = 8000, epochs = 25, validation_data = test_set, validation_steps = 2000)

RuntimeError                              Traceback (most recent call last)
<ipython-input-13-98e5035b2986> in <module>
----> 1 classifier.fit_generator(training_set, steps_per_epoch = 8000, epochs = 25, validation_data = test_set, validation_steps = 2000)

~\AppData\Local\conda\conda\envs\TensorFlow\lib\site-packages\keras\legacy\interfaces.py in wrapper(*args, **kwargs)
     89                 warnings.warn('Update your `' + object_name + '` call to the ' +
     90                               'Keras 2 API: ' + signature, stacklevel=2)
---> 91             return func(*args, **kwargs)
     92         wrapper._original_function = func
     93         return wrapper

~\AppData\Local\conda\conda\envs\TensorFlow\lib\site-packages\keras\engine\training.py in fit_generator(self, generator, steps_per_epoch, epochs, verbose, callbacks, validation_data, validation_steps, class_weight, max_queue_size, workers, use_multiprocessing, shuffle, initial_epoch)
   1416             use_multiprocessing=use_multiprocessing,
   1417             shuffle=shuffle,
-> 1418             initial_epoch=initial_epoch)
   1419 
   1420     @interfaces.legacy_generator_methods_support

~\AppData\Local\conda\conda\envs\TensorFlow\lib\site-packages\keras\engine\training_generator.py in fit_generator(model, generator, steps_per_epoch, epochs, verbose, callbacks, validation_data, validation_steps, class_weight, max_queue_size, workers, use_multiprocessing, shuffle, initial_epoch)
     38 
     39     do_validation = bool(validation_data)
---> 40     model._make_train_function()
     41     if do_validation:
     42         model._make_test_function()

~\AppData\Local\conda\conda\envs\TensorFlow\lib\site-packages\keras\engine\training.py in _make_train_function(self)
    494     def _make_train_function(self):
    495         if not hasattr(self, 'train_function'):
--> 496             raise RuntimeError('You must compile your model before using it.')
    497         self._check_trainable_weights_consistency()
    498         if self.train_function is None:

RuntimeError: You must compile your model before using it.

Answer 1

Вы должны задать форму ввода для вашего первого слоя, чтобы модель могла компилировать или создавать график вашей модели.Таким образом вы добавляете Input Shape к первому слою вашей модели

classifier.add(Convolution2D(filters = 32, kernel_size = [3,3], **Input_Shape=(64,64,3)** , padding = 'SAME', activation = 'relu'))

Чем после компиляции модели смотрите сводку модели.Это будет означать, что ваша модель будет полностью компилировать успех, как

  classifier.summary()

Полный код:

classifier = Sequential()

classifier.add(Convolution2D(filters = 32, kernel_size = [3,3], Input_Shape=(64,64,3) , padding = 'SAME', activation = 'relu'))
classifier.add(MaxPooling2D(pool_size = (2, 2)))
classifier.add(Flatten())
classifier.add(Dense(units = 128, activation = 'relu'))
classifier.add(Dense(units = 1, activation = 'sigmoid'))

train_datagen = ImageDataGenerator(rescale = 1./255, shear_range = 0.2, zoom_range = 0.2, horizontal_flip = True)
test_datagen = ImageDataGenerator(rescale = 1./255)
training_set = train_datagen.flow_from_directory('dataset/training_set', target_size = (64, 64), batch_size = 32, class_mode = 'binary')
test_set = test_datagen.flow_from_directory('dataset/test_set', target_size = (64, 64), batch_size = 32, class_mode = 'binary')

classifier.compile(optimizer = 'adam', loss = 'binary_crossentropy', metrics = ['accuracy'])
classifier.summary()
classifier.fit_generator(training_set, steps_per_epoch = 8000, epochs = 25, validation_data = test_set, validation_steps = 2000)

Таким образом вы сможете решить свою проблему:)

Answer 2

Вы не упомянули форму ввода в вашей модели

classifier.add(Convolution2D(filters = 32, kernel_size = [3,3], padding =         'SAME', activation = 'relu',input_shape=(64, 64, 3)))