时间戳

首页 > 解决方案 > 如何在 keras/tensorflow 中为 cnn 模型提供不同尺寸的图像

python - 如何在 keras/tensorflow 中为 cnn 模型提供不同尺寸的图像

问题描述

我对如何输入两张尺寸的图片感到困惑，它也不能使用调整大小和裁剪。我已经看到了这个问题，但也没有解决。这是我的代码，但我收到以下错误：

StopIteration：“NoneType”对象不能解释为整数

我希望你能给我一些建议

model = Sequential()
model.add(Conv2D(filters=6,kernel_size=(5,5),padding='same',input_shape=(None,None,3)))
model.add(Activation('tanh'))  
model.add(MaxPooling2D(pool_size=(2,2))) 

model.add(Conv2D(filters=16,kernel_size=(5,5),padding='same'))  
model.add(Activation('tanh')) 
model.add(GlobalAveragePooling2D())
model.add(Dense(1))  
model.add(Activation('sigmoid'))
#sgd = optimizers.RMSprop(lr=0.01, clipvalue=0.5)
model.compile(loss='binary_crossentropy',#'binary_crossentropy'categorical_crossentropy,
              optimizer='sgd',
              metrics=['accuracy'],
              )
train_datagen = ImageDataGenerator(rescale=1./255,
                                   vertical_flip=True,
                                   horizontal_flip=True)

test_datagen = ImageDataGenerator(rescale=1./255)

train_generator = train_datagen.flow_from_directory(
        train_data_dir,
        target_size=(img_width, img_height),
        batch_size=batch_size,
        class_mode='binary')#'binary'categorical)

validation_generator = test_datagen.flow_from_directory(
        validation_data_dir,
        target_size=(img_width, img_height),
        batch_size=batch_size,
        class_mode='binary')#'binary')

early_stopping = EarlyStopping(monitor='val_acc',patience=10,mode='max')
model.fit_generator(train_generator,
                    steps_per_epoch=nb_train_samples//batch_size,
                    epochs=nb_epoch,
                    validation_data=validation_generator,
                    validation_steps=nb_validation_samples,
                    callbacks=[early_stopping,
                               TensorBoard(log_dir='C:\\Users\\ccri\\Desktop\\new\\iou30\\426\\lenet\\log', write_images=True),
                               ModelCheckpoint(filepath='C:\\Users\\ccri\\Desktop\\new\\iou30\\426\\lenet\\canshu\\weights.{epoch:02d}-{val_loss:.2f}.h5', 
                               monitor='val_acc',                                   
                               save_best_only=True,
                               mode='auto')]
)

标签： pythontensorflowkerasspp

解决方案

唯一的限制是创建一个可以适应不同大小图像的 numpy 数组。

您可以使用任何一种来解决这个问题batch_size=1（那么您的 numpy 数组将永远不兼容）。

或者您可以尝试手动将所有相同大小的图像分组到一个数组中，将该数组训练为一个大批量，然后对其他大小执行相同操作。

推荐阅读