model.fit_generator（）形状错误

Question

import os 
from keras.preprocessing.image import ImageDataGenerator 
from keras.models import Sequential 
from keras.layers import Convolution2D, MaxPooling2D 
from keras.layers import Activation, Dropout, Flatten, Dense 

img_width, img_height = 64, 64 

train_data_dir = 'data/train' 
validation_data_dir = 'data/validation' 
nb_train_samples = sum([len(files) for files in os.walk(train_data_dir)]) 
nb_validation_samples = sum([len(files) for files in os.walk(validation_data_dir)]) 
nb_epoch = 10 


model = Sequential() 
model.add(Dense(4096, input_dim = 4096, init='normal', activation='relu')) 
model.add(Dense(4,init='normal',activation='softmax')) 
model.compile(loss='categorical_crossentropy', 
       optimizer='adam', 
       metrics=['accuracy']) 


train_datagen = ImageDataGenerator(
     rescale=1./255, 
     ) 


test_datagen = ImageDataGenerator(rescale=1./255) 

train_generator = train_datagen.flow_from_directory(
     train_data_dir, 
     color_mode="grayscale", 
     target_size=(img_width, img_height), 
     batch_size=1, 
     class_mode=None) 

validation_generator = test_datagen.flow_from_directory(
     validation_data_dir, 
     color_mode="grayscale", 
     target_size=(img_width, img_height), 
     batch_size=1, 
     class_mode=None) 

model.fit_generator(
     train_generator, 
     samples_per_epoch=nb_train_samples, 
     nb_epoch=nb_epoch, 
     validation_data=validation_generator, 
     nb_val_samples=nb_validation_samples) 

一切都运行良好，直到上面的代码中的model.fit_generator（）。然后它会弹出如下所示的错误。

Traceback (most recent call last): 
    File "C:/Users/Sam/PycharmProjects/MLP/Testing Code without CNN.py", line 55, in <module> 
    nb_val_samples=nb_validation_samples) 
    File "C:\Python27\lib\site-packages\keras\models.py", line 874, in fit_generator 
    pickle_safe=pickle_safe) 
    File "C:\Python27\lib\site-packages\keras\engine\training.py", line 1427, in fit_generator 
    'or (x, y). Found: ' + str(generator_output)) 
Exception: output of generator should be a tuple (x, y, sample_weight) or (x, y). Found: [[[[ 0.19215688] 

Answer 1

我不是100％肯定你想什么来实现，但如果你想图片的二元分类，尝试设置class_mode到binary。来自documentation：

class_mode：“categorical”，“binary”，“sparse”或None之一。默认值： “分类”。确定返回的标签数组的类型： “categorical”将是2D单热编码标签，“binary”将是1D 二进制标签，“稀疏”将是1D整数标签。

该错误消息是有点混乱，但如果你看看source code，它变得更清晰：

if not hasattr(generator_output, '__len__'): 
        _stop.set() 
        raise Exception('output of generator should be a tuple ' 
            '(x, y, sample_weight) ' 
            'or (x, y). Found: ' + str(generator_output)) 

Answer 2

这个问题应该由数据尺寸不匹配造成的。 ImageDataGenerator实际加载图像文件并将其放入（num_image_channel，image_height，image_width）形状的numpy数组中。但是你的第一层是一个密集连接层，它正在寻找一维阵列形式的输入数据，或者寻找具有多个样本的二维阵列。所以基本上你会错过你的输入层，它会以正确的形状输入。

更改下面的代码行

model.add(Dense(4096, input_dim = 4096, init='normal', activation='relu')) 

到

model.add(Reshape((img_width*img_height*img_channel), input_shape=(img_channel, img_height, img_width))) 
model.add(Dense(4096, init='normal', activation='relu')) 

你必须定义img_channel，这是你的图像通道的数量。上述代码还假定您正在使用th的dim_ordering。如果您正在使用tf输入维度排序，你就必须改变输入重塑层

model.add(Reshape((img_width*img_height*img_channel), input_shape=(img_height, img_width, img_channel))) 

---旧的答案 -

你可能已经把训练数据和验证数据到子文件夹下train和validation，这是Keras不支持的。所有培训数据应位于同一个文件夹中，对于验证数据也是如此。

详情请参阅this Keras tutorial。