keras 模型会影响输入数据的大小吗？

Question

我的意思是，如果在n 模型中输入卷积网络模型，它会给出n 输出，对吗？ 然而，当我尝试使用瓶颈模型（使用 VGG16 卷积网络构建）时，VGG16 卷积网络返回的输出比输入的数量少 16 个。

这是控制台输出：

import numpy as np

train_data = np.load(open('bottleneck_features_train.npy'))
train_data.shape
(8384, 7, 7, 512)

validation_data = np.load(open('bottleneck_features_validation.npy')) validation_data.shape
(3584, 7, 7, 512)

可以在here找到生成此输出的脚本。

上述脚本的堆栈跟踪。

使用 Theano 后端。
正在从https://github.com/fchollet/deep-learning-models/releases/download/v0.1/vgg16_weights_tf_dim_ordering_tf_kernels_notop.h5下载数据
找到属于 120 个类别的 8400 张图片。正在保存火车特征...
找到属于 120 个类别的 3600 张图像。保存测试功能...
训练顶层...
编译瓶颈模型...
训练瓶颈模型...
Traceback（最近一次调用最后一次）：

文件“pretrained_network.py”，第 87 行，在
train_top_model()

train_top_model 中的文件“pretrained_network.py”，第 82 行
验证数据=（验证数据，验证标签））

文件“/home/ashish/ml-projects/venv/local/lib/python2.7/site-packages/keras/models.py”，第 845 行，适合 initial_epoch=initial_epoch)

文件“/home/ashish/ml-projects/venv/local/lib/python2.7/site-packages/keras/engine/training.py”, 第 1405 行，合适 批量大小=批量大小）

文件“/home/ashish/ml-projects/venv/local/lib/python2.7/site-packages/keras/engine/training.py”, 第 1307 行，在 _standardize_user_data _check_array_lengths(x, y, sample_weights)

文件“/home/ashish/ml-projects/venv/local/lib/python2.7/site-packages/keras/engine/training.py”, 第 229 行，在 _check_array_lengths 'and ' + str(list(set_y)[0]) + '目标样本。')

ValueError：输入数组的样本数应与目标数组相同。
找到 8384 个输入样本和 8400 个目标样本。

Answer 1

问题在于例如在您的脚本中：

bottleneck_features_train = model.predict_generator(
        generator, nb_train_samples // batch_size)

应该改为：

bottleneck_features_train = model.predict_generator(
        generator, (nb_train_samples // batch_size) + 1)

没有这个，generator 被调用的次数不够。