Keras 错误与我只有一堂课有关

Question

我正在尝试在 keras 中制作一个 CNN，但我只希望它有一个类，因此只有一个概率作为输出。因此，我使用 sigmoid 函数来预测概率（不能将 softmax 用于一类，我最终记住了）。通常我会做 1 - 获得损失的概率并使用优化器来减少它，因为我们所有的答案都将是 1。但是，我不确定如何实现所有人的目标这一事实在 keras 和 atm 中为 1，它会引发以下错误：

收到的标签值 1 超出了 [0, 1) 的有效范围。标签值：1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

因为我实际上只是使用一个包含 120 个 1 的列表（我有 120 个图像），否则它会说它们并不都有标签。

我的代码是以下atm：

import tensorflow as tf
from tensorflow import keras

from keras.utils import to_categorical
from keras.models import Sequential
from keras.layers import Conv2D, MaxPooling2D, Dense, Flatten
import glob
from PIL import Image

#!unzip not_dog4

images = []
image_data = []

for filename in glob.glob('not_dog/*.jpg'): 
  im = Image.open(filename)
  images.append(im)

for image in images:
  images2 = image.resize((28, 28))
  gs_image = images2.convert(mode='L')
  image_vector = np.array(gs_image)
  image_data.append(image_vector)

image_data = np.array(image_data)[..., None]

image_data_normalised = []

image_data = image_data.astype('float32')
image_data_normalised = image_data / 255 - 0.5

y = []

#y has to be 120 ones...?
for i in range(120):
  y.append(1)


num_filters = 1 #I guess you dictate the number of convolutions through the number of filters - 1 convolution for each filter.
filter_size = 3
pool_filter_size = 2


model = Sequential()
model.add(Conv2D(num_filters, filter_size, strides=(1, 1), input_shape=(28, 28, 1)))  
model.add(MaxPooling2D(pool_size=(3, 3), strides=(1, 1), padding='valid')) 
model.add(Flatten())  
model.add(Dense(1, activation = 'sigmoid'))  

#compile the model
model.compile('adam', loss = 'sparse_categorical_crossentropy')
model.fit(image_data_normalised, y, epochs=3)

这是我到目前为止所得到的。非常感谢任何帮助:)

Answer 1

您只导入图像“not_dogs”

尝试使用 ImageDataGenerator.flow_from_directories 导入，因为它会根据文件夹名称自动标记图像类。或者您可能想创建一个包含路径和类特征的数据框，然后使用 ImageDataGenerator.flow_from_dataframe。

ImageGenerator 方法是非常受欢迎的，因为它不会导致内存问题。如果您正在处理图像，非常推荐学习这个动作。