1

我正在使用迁移学习（vgg16）学习图像分类，我正在使用 keras 的内置时尚 mnist 数据集。

(x_train, y_train), (x_test, y_test) = fashion_mnist.load_data()

为了预处理 vgg16 的数据，我通过从 keras.applications.vgg16 导入 preprocess_input 使用了以下命令

X_train = preprocess_input(x_train)
X_test = preprocess_input(x_test)

train_features = vgg16.predict(np.array(X_train), batch_size=256, verbose=1)
test_features = vgg16.predict(np.array(X_test), batch_size=256, verbose=1)

但我收到以下错误

ValueError: Error when checking input: expected input_1 to have 4 dimensions, but got array with shape (60000, 28, 28)

我正在使用 keras2.2.4，点 19.0.3

4

2 回答 2

1

Fashion mnist 数据集具有灰度图像，这意味着它只有单通道深度，而VGG16使用 3 通道深度的 RGB 图像进行训练。根据您的错误，您不能将 VGG16 与单通道输入一起使用。要将 VGG16 用于时尚 mnist 数据集，您必须将图像读取为三个通道。您可以使用以下方法进一步处理您的X_train和：X_testnp.stack

import numpy as np
X_train = np.stack((X_train,)*3, axis=-1)
X_test = np.stack((X_test,)*3, axis=-1)
于 2019-04-23T08:06:55.957 回答
0

VGG 接受最小 32 和最大 224，可以在这里看到，要重塑这个，我们可以做

x_train = x_train.reshape(x_train.shape[0], 28, 28, 1) # converting it to (,28x28x1)
x_train = np.pad(x_train, ((0,0),(2,2),(2,2),(0,0)), 'constant',constant_values=(0, 0)) # converting it to min (,32x32x1)
x_train = np.stack((x_train,)*3, axis=-1) # (,32,32,1,3)
x_train = x_train[:,:,:,0,:] # (,32,32,1)
y_train = keras.utils.to_categorical(y_train, num_classes)

这可以很容易地用于 keras 中的 .fit()、.evaluate() 和 .predict()，而无需将其转换为张量数据并编写生成器。

于 2020-05-02T00:09:12.880 回答