如何将 Keras Sequential CNN 的训练数据转换为正确的张量形状？

Question

我有一个 4 维张量的图像像素数据（红色（高度，宽度），绿色（高度，宽度），蓝色（高度，宽度），14000 个示例）和一个包含边界框坐标的 CSV 文件每个图像都有 ie, (Image name, X1, Y1, X2, Y2)，它有 14000 行，每个示例也有一个。

如何将这些数据输入我的神经网络？目前，如果我尝试输入张量，它会将 14000 个示例的整个数组传递给 (X1,Y1,X2,Y2) 的一行{它应该为 x1,y1,x2,y2 的一行传递一个数组}。

知道如何解决这个问题吗？

这是代码和相关的错误：

train_csv = pd.read_csv('datasets/training.csv').values
test_csv = pd.read_csv('datasets/test.csv').values

y_train = train_csv[:,[1,2,3,4]]   #done
x_train_names = train_csv[:,0]     #obtained names of images in array

#### load images into an array ####
X_train = []
path = "datasets/images/images/"
imagelist = listdir(path)
for i in range(len(x_train_names)):
img_name = x_train_names[i]
img = Image.open(path + str(img_name))
arr = array(img)
X_train.append(arr) 


#### building a very basic classifier, just to get some result ####
classifier = Sequential()
classifier.add(Convolution2D(64,(3,3),input_shape=(64,64,3), activation = 
'relu')) 
classifier.add(Dropout(0.2))
classifier.add(MaxPooling2D((4,4)))
classifier.add(Convolution2D(32,(2,2), activation = 'relu')) 
classifier.add(MaxPooling2D((2,2)))
classifier.add(Flatten())
classifier.add(Dense(16, activation = 'relu'))
classifier.add(Dropout(0.5))
classifier.add(Dense(4))
classifier.compile('adam','binary_crossentropy',['accuracy'])
classifier.fit(x=X_train,y=y_train, steps_per_epoch=80, batch_size=32, 
epochs=25)

错误：

ValueError：检查模型输入时出错：您传递给模型的 Numpy 数组列表不是模型预期的大小。预计会看到 1 个数组，但得到了以下 14000 个数组的列表：

[array([[[141, 154, 144],
         [141, 154, 144],
         [141, 154, 144],
         ...,
         [149, 159, 150],
         [150, 160, 151],
         [150, 160, 151]],

        [[140, 153, 143],
         […

编辑：我将所有图像都转换为灰度图像，因此不会出现内存错误。这意味着我的 X_train 应该沿通道数（早期，RGB）具有 1 个维度。这是我编辑的代码：

y_train = train_csv[:,[1,2,3,4]]   #done
x_train_names = train_csv[:,0]     #obtained names of images in array

# load images into an array
path = "datasets/images/images/"
imagelist = listdir(path)

img_name = x_train_names[0]

X_train = np.ndarray((14000,img.height,img.width,1))

for i in range(len(x_train_names)):
img_name = x_train_names[i]
img = Image.open(path + str(img_name)).convert('L') 
##converting image to grayscale because I get memory error else 
X_train[i,:,:,:] = np.asarray(img)

ValueError: 无法将输入数组从形状 (480,640) 广播到形状 (480,640,1)

（在X_train[i,:,:,:] = np.asarray(img) 线）

Answer 1

第一步始终是找出您的第一个卷积层期望的输入形状。 tf.nn.conv2d 的文档指出 4D 输入张量的预期形状是 [batch, in_height, in_width, in_channels]。

要加载数据，我们可以使用 numpy ndarray。为此，我们应该知道您要加载的图像数量以及图像的尺寸：

path = "datasets/images/images/"
imagelist = listdir(path)

img_name = x_train_names[0]
img = Image.open(path + str(img_name))

X_train = np.ndarray((len(imagelist),img.height,img.width,3))

for i in range(len(x_train_names)):
 img_name = x_train_names[i]
 img = Image.open(path + str(img_name))
 X_train[i,:,:,:] = np.asarray(img)

你的 X_train 张量的 shape 属性应该给你：

print(X_train.shape)
> (len(x_train_names), img.height, img.width, 3)

编辑：

要分批加载图像，您可以执行以下操作：

#### Build and compile your classifier up here here ####

num_batches = 5
len_batch = np.floor(len(x_train_names)/num_batches).astype(int) 

X_train = np.ndarray((len_batch,img.height,img.width,3))

for batch_idx in range(num_batches):
    idx_start = batch_idx*len_batch
    idx_end = (batch_idx+1)*len_batch-1
    x_train_names_batch = x_train_names[idx_start:idx_end]

    for i in range(len(x_train_names_batch)):
        img_name = x_train_names_batch[i]
        img = Image.open(path + str(img_name))
        X_train[i,:,:,:] = np.asarray(img)

    classifier.fit(x=X_train,y=y_train, steps_per_epoch=num_batches, batch_size=len(x_train_names_batch), epochs=2)