时间戳

首页 > 解决方案 > 我在 Keras 中正确理解了 batch_size 吗？

python - 我在 Keras 中正确理解了 batch_size 吗？

问题描述

我正在使用 Keras 的内置功能inception_resnet_v2来训练 CNN 来识别图像。在训练模型时，我有一个 numpy 数据数组作为输入，输入形状为 (1000, 299, 299, 3)，

 model.fit(x=X, y=Y, batch_size=16, ...) # Output shape `Y` is (1000, 6), for 6 classes

起初，当试图预测时，我传入了一个形状（299、299、3）的图像，但得到了错误

ValueError：检查输入时出错：预期 input_1 有 4 个维度，但得到了形状为 (299、299、3) 的数组

我用以下方法重塑了我的输入：

x = np.reshape(x, ((1, 299, 299, 3)))

现在，当我预测时，

y = model.predict(x, batch_size=1, verbose=0)

我没有收到错误。

我想确保我batch_size在训练和预测中都能正确理解。我的假设是：

1) 使用model.fit，Kerasbatch_size从输入数组中获取元素（在这种情况下，它一次可以处理我的 1000 个示例 16 个样本）

2) 使用model.predict，我应该将输入重塑为单个 3D 数组，并且我应该明确设置batch_size为 1。

这些是正确的假设吗？

此外，向模型提供训练数据是否会更好（甚至可能），这样就不需要在预测之前进行这种重塑？谢谢你帮助我学习这个。

标签： pythontensorflowmachine-learningkerasconv-neural-network

解决方案

不，你的想法错了。batch_size指定一次通过网络“转发”多少数据示例（通常使用 GPU）。

默认情况下，此值设置为32insidemodel.predict方法，但您可以指定其他方式（就像您对 所做的那样batch_size=1）。由于这个默认值，你得到一个错误：

ValueError：检查输入时出错：预期 input_1 有 4 个维度，但得到了形状为 (299、299、3) 的数组

您不应该以这种方式重塑您的输入，而是为它提供正确的批量大小。

说，对于默认情况，您将传递一个 shape 数组(32, 299, 299, 3)，类似于不同的batch_size，例如，使用batch_size=64此函数需要您传递 shape 的输入(64, 299, 299, 3。

编辑：

看来你需要将你的单个样本重新塑造成一批。我建议您使用np.expand_dims以提高代码的可读性和可移植性，如下所示：

y = model.predict(np.expand_dims(x, axis=0), batch_size=1)

推荐阅读