オートエンコーダの不一致寸法誤差

Question

私はコンベンションオートエンコーダを使用して画像を再構成しようとしていますが、私は寸法に関連するエラーを取得し、あなたは解決策を見つけることができ、感謝、

は基本的に私は、再構築にモデルをテストしたい拳

：画像であり、同じ入力データ、モデルがうまく働いていた場合、その後、私はマップにイメージをモデル化する必要がある。この場合、

は、私は以下のコードに示すようmap_dataするIMAGE_DATAからのデータを変更することができます

from keras.layers import Input, Dense, Conv2D, MaxPooling2D, UpSampling2D 
from keras.models import Model 
from keras import backend as K 
from keras.callbacks import TensorBoard 
import numpy as np 
from keras.models import Sequential 
from keras.layers.core import Dense, Dropout, Activation, Flatten 
from keras.utils import np_utils 
import matplotlib.pyplot as plt 
import matplotlib 
import os 
from PIL import Image 
from numpy import * 
from sklearn.utils import shuffle 
from sklearn.cross_validation import train_test_split 
from keras.preprocessing.image import ImageDataGenerator,array_to_img, img_to_array, load_img 

image_data='C:/Users/user_PC/Desktop/Image2Map/Samples' 
map_data='C:/Users/user_PC/Desktop/Image2Map/Samples' 

K.set_image_dim_ordering('tf') 

input_img = Input(batch_shape=(1024, 106, 106,3)) 


x = Conv2D(16, (3, 3), activation='relu', padding='same')(input_img) 
x = MaxPooling2D((2, 2), padding='same')(x) 
x = Conv2D(8, (3, 3), activation='relu', padding='same')(x) 
x = MaxPooling2D((2, 2), padding='same')(x) 
x = Conv2D(8, (3, 3), activation='relu', padding='same')(x) 
encoded = MaxPooling2D((2, 2), padding='same')(x) 


x = Conv2D(8, (3, 3), activation='relu', padding='same')(encoded) 
x = UpSampling2D((2, 2))(x) 
x = Conv2D(8, (3, 3), activation='relu', padding='same')(x) 
x = UpSampling2D((2, 2))(x) 
x = Conv2D(16, (3, 3), activation='relu')(x) 
x = UpSampling2D((2, 2))(x) 
decoded = Conv2D(1, (3, 3), activation='sigmoid', padding='same')(x) 

autoencoder = Model(input_img, decoded) 
autoencoder.compile(optimizer='adadelta', loss='binary_crossentropy') 



train_datagen = ImageDataGenerator(
     rescale=1./255) 

test_datagen = ImageDataGenerator(rescale=1./255) 

train_generator = train_datagen.flow_from_directory(
    image_data, 
    target_size=(106, 106), 
    batch_size=4, 
    class_mode=None) 

validation_generator = test_datagen.flow_from_directory(
    image_data, 
    target_size=(106, 106), 
    batch_size=4, 
    class_mode=None) 

imgs = np.concatenate([train_generator.next()[0] for i in range(1024)]) 

autoencoder.fit_generator(generator=(imgs,imgs), 
    samples_per_epoch=1024 // 4, 
    epochs=10, 
    validation_data=(imgs,imgs), 
    validation_steps=1024 // 4) 



decoded_imgs = autoencoder.predict(image_data) 

n = 10 
plt.figure(figsize=(20, 4)) 
for i in range(n): 
    # display original 
    ax = plt.subplot(2, n, i) 
    plt.imshow(image_data[i].reshape(106, 106)) 
    plt.gray() 
    ax.get_xaxis().set_visible(False) 
    ax.get_yaxis().set_visible(False) 

    # display reconstruction 
    ax = plt.subplot(2, n, i + n) 
    plt.imshow(decoded_imgs[i].reshape(106, 106)) 
    plt.gray() 
    ax.get_xaxis().set_visible(False) 
    ax.get_yaxis().set_visible(False) 
plt.show() 

Answer 1

class_modeを「なし」から「inpu」に変更しますt 'である。それは動作するはずです。続きを読むhere