时间戳

首页 > 解决方案 > ValueError：形状为 (256,256,1) 的不可广播输出操作数与广播形状 (256,256,3) 不匹配

python - ValueError：形状为 (256,256,1) 的不可广播输出操作数与广播形状 (256,256,3) 不匹配

问题描述

我正在使用 CNN 训练灰度图像数据集（5 类）。图像大小为（100,100），像素值介于 0-1 代码之间：

from tensorflow.keras.preprocessing.image import ImageDataGenerator
import tensorflow as tf
import cv2

        
train = ImageDataGenerator(rescale=(100,100,1))
validation = ImageDataGenerator(rescale=(100,100,1))

train_dataset = train.flow_from_directory('C:/Users/abdul/OneDrive/Desktop/New folder/FYP/final/images/train',color_mode='grayscale')
validate_dataset = validation.flow_from_directory('C:/Users/abdul/OneDrive/Desktop/New folder/FYP/final/images/validate',color_mode='grayscale') 

model = tf.keras.models.Sequential([
    #convolutional layer
    tf.keras.layers.Conv2D(32,(3,3), activation ="relu", input_shape = (100,100,1)),
    
    # Flatten units
    tf.keras.layers.Flatten(),

    # Add a hidden layer with dropout
    tf.keras.layers.Dense(128, activation="relu"),
    tf.keras.layers.Dropout(0.5),

    # Add an output layer with output units for all 10 digits
    tf.keras.layers.Dense(4, activation="softmax")
])

# Train neural network
model.compile(
    optimizer="adam",
    loss="categorical_crossentropy",
    metrics=["accuracy"]
)

model.fit(train_dataset, epochs=10,validation_data = validate_dataset)

标签： pythontensorflowkerasconv-neural-network

解决方案

您的数据生成器存在一些问题。在rescale您错误地设置输入大小（可能）时，您应该在其中设置一些用于规范化输入的因素。根据文档：

rescale：重新缩放因子。默认为无。如果 None 或 0，则不应用重新缩放，否则我们将数据乘以提供的值（在应用所有其他转换之后）。

而且，默认情况下，target_size是256 x 256，但您的模型输入是100 x 100，因此您需要正确指定否则数据加载器将生成一个形状为默认值 256 的图像。根据医生

target_size：整数元组（高度，宽度），默认值：（256, 256）。找到的所有图像都将调整到的尺寸。

通过这些更改，您应该执行以下操作：

train = ImageDataGenerator(rescale=1/255.)
train_dataset = train.flow_from_directory('./train',
   color_mode='grayscale',
   class_mode='categorical', # one hot or 'sparse' if labels are integer
   target_size=(100, 100))

对验证部分执行相同的操作。

推荐阅读