Keras ImageDataGenerator没有按预期工作

Question

我正在尝试使用Keras构建一个基于文档[this example][1]的自动编码器。因为我的数据很大，我想使用一个生成器来避免将它加载到内存中。

我的模型看起来像:

model = Sequential()
model.add(Convolution2D(16, 3, 3, activation='relu', border_mode='same', input_shape=(3, 256, 256)))
model.add(MaxPooling2D((2, 2), border_mode='same'))
model.add(Convolution2D(8, 3, 3, activation='relu', border_mode='same'))
model.add(MaxPooling2D((2, 2), border_mode='same'))
model.add(Convolution2D(8, 3, 3, activation='relu', border_mode='same'))
model.add(MaxPooling2D((2, 2), border_mode='same'))
model.add(Convolution2D(8, 3, 3, activation='relu', border_mode='same'))
model.add(UpSampling2D((2, 2)))
model.add(Convolution2D(8, 3, 3, activation='relu', border_mode='same'))
model.add(UpSampling2D((2, 2)))
model.add(Convolution2D(16, 3, 3, activation='relu'))
model.add(UpSampling2D((2, 2)))
model.add(Convolution2D(1, 3, 3, activation='sigmoid', border_mode='same'))
model.compile(optimizer='adadelta', loss='binary_crossentropy')

我的发电机:

from keras.preprocessing.image import ImageDataGenerator
train_datagen = ImageDataGenerator(rescale=1./255)
train_generator = train_datagen.flow_from_directory('IMAGE DIRECTORY', color_mode='rgb', class_mode='binary', batch_size=32, target_size=(256, 256))

然后拟合模型:

model.fit_generator(
        train_generator,
        samples_per_epoch=1,
        nb_epoch=1,
        verbose=1,
        )

我得到这个错误:

异常:检查模型目标时出错:期望的卷积2d_76有4维，但得到的数组形状为(32,1)

这看起来像是我的批量而不是样品的大小。我做错了什么?

Answer 1

这个错误很可能是由于class_mode='binary'。它使生成器产生二进制类，因此输出具有形状(batch_size, 1)，而您的模型产生四维输出(因为最后一层是卷积)。

我猜你希望你的标签是图像本身。从flow_from_directory的来源和它使用的DirectoryIterator来看，仅仅改变class_mode是不可能的。一个可能的解决方案是:

train_generator_ = train_datagen.flow_from_directory('IMAGE DIRECTORY', color_mode='rgb', class_mode=None, batch_size=32, target_size=(256, 256))
def train_generator():
    for x in train_iterator_:
        yield x, x

注意我将class_mode设置为None。它使生成器只返回image而不是tuple(image, label)。然后定义一个新的生成器，它返回图像作为输入和标签。