【问题标题】：Fitting 3d Image to Deep Learning Model将 3d 图像拟合到深度学习模型
【发布时间】：2019-08-14 15:29:51
【问题描述】：

我正在将图像预处理为形状为 (28,28, 3) 的 Numpy 数组。当我尝试拟合我的数据时，我得到了错误。如果我传递整个准备好的数据框，我会收到错误 ValueError: Error when checks input: expected conv2d_20_input to have 4 dimension, but got array with shape (360, 1)

当我传递单个值时，我得到的错误是：检查输入时出错：预期 conv2d_16_input 有 4 个维度，但得到的数组形状为 (28、28、3

我已尝试重新处理数据。我已经尝试单独放入模型并以 1:1 进行训练，但仍然无法正常工作。

预处理代码

from tensorflow.python.keras.preprocessing.image import load_img, img_to_array
def read_and_prep_images(img_paths):
    z = load_img(img_paths, target_size=(28,28))
    z= img_to_array(z)
    return z
df['arrays'] = df['filepath'].apply(read_and_prep_images)

模型创建

model = Sequential()

添加模型层

model.add(Conv2D(filters = 24, kernel_size = (5),padding = 'Same', 
              activation ='relu', input_shape = (28, 28,3)))

model.add(Conv2D(filters = 32, kernel_size = (5,5),padding = 'Same', 
                 activation ='relu'))
model.add(MaxPool2D(pool_size=(2,2)))
model.add(Dropout(0.25))
model.add(Conv2D(filters = 64, kernel_size = (3,3),padding = 'Same', 
                 activation ='relu'))
model.add(Conv2D(filters = 64, kernel_size = (3,3),padding = 'Same', 
                 activation ='relu'))
model.add(MaxPool2D(pool_size=(2,2), strides=(2,2)))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(256, activation = "relu"))
model.add(Dropout(0.5))
model.add(Dense(10, activation = "softmax"))

model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

仔细检查形状

np.shape(df['arrays'].iloc[0])

(28, 28, 3)

准备数据

X_train, X_test, y_train, y_test = train_test_split(df.arrays, df.label, test_size=0.4, random_state=101)

拟合模型

model.fit(X_train, y_train, batch_size=100, epochs=4, validation_split=0.2)

模型应该是合适的，我可以对模型以前没有见过的新图像使用 model.predict。

【问题讨论】：

标签： image tensorflow keras deep-learning

【解决方案1】：

如果我传递整个准备好的数据框，我会收到错误 ValueError: Error when checks input: expected conv2d_20_input to have 4 dimension, but got array with shape (360, 1)

发生错误是因为 df.arrays 返回一个数组数组。因此，在您的情况下，如果您检查 df.arrays.shape，它将是 (360,) 而不是 (360,28,28,3)。因此，您需要先删除嵌套。一种方法是：

X = np.zeros((len(df.arrays), *df.arrays[0].shape))
for i in range(len(df.arrays)):
    X[i] = df.arrays[i]

X 现在可以传递给 model.fit。

当我传递单个值时，我得到的错误是：检查输入时出错：预期 conv2d_16_input 有 4 个维度，但得到的数组形状为 (28, 28, 3)

这很简单，只需添加一个批次维度。传递 df.arrays[0][None] 而不是 df.arrays[0]。

>>> df.arrays[0].shape
(28, 28, 3)
>>> df.arrays[0][None].shape
(1, 28, 28, 3)

【讨论】：