Keras

Question

我正在尝试在 keras 中编写 CNN。我的数据集包含 250 类中的 20,000 张图像，具有以下文件夹结构：

dataset/
    class1/
        1.png
        2.png
        ...
    class2/
        ...
    ...

根据我的理解，加载 images/labels 的最简单方法是结合使用 ImageDataGenerator 和 flow_from_directory()。
最小工作示例：

from keras.layers import Activation, Convolution2D, MaxPooling2D
from keras.models import Sequential
from keras.preprocessing.image import ImageDataGenerator

if __name__ == '__main__':    
    # input image dimensions
    img_rows, img_cols = 225, 225
    input_shape = (img_rows, img_cols, 1)

    model = Sequential()
    model.add(Convolution2D(64, 15, 15, input_shape=input_shape, subsample=(3, 3)))
    model.add(Activation('relu'))
    model.add(MaxPooling2D(pool_size=(3, 3), strides=(2, 2)))

    model.compile(loss='hinge', optimizer='adadelta', metrics=['accuracy'])

    data = ImageDataGenerator()
    train_data = data.flow_from_directory(directory='dataset', color_mode='grayscale', target_size=(img_rows, img_cols))
    model.fit_generator(train_data, 100, 12)

然而，这会因以下错误而停止：

Exception: Error when checking model target: expected maxpooling2d_1 to have 4 dimensions, but got array with shape (32, 250)

32 是 batch_size，250 是类。

我检索 Images/Labels 的方式有问题吗？

Answer 1

我的问题不是标签是字符串，而是错误的 CNN 架构。在 MaxPooling2D 之后添加一个 Flatten() 层，我现在可以将网络的输出映射到我的标签。

Keras - 从目录结构中获取标签作为字符串

Keras - getting Labels as strings from directory structure

python

machine-learning

deep-learning