ImageDataGenerator错误

Question

我需要帮助尝试在Keras中为简单的自动编码器修复此代码。我试图在Keras博客上为autoencoder教程添加一些图像预处理。这就是我所做的

input_image = Input(shape=(1,256,256,))
flattened = Flatten()(input_image)
encoded = Dense(128,activation='relu',name='Dense1')(flattened)
decoded = Dense(256*256, activation='sigmoid',name='Dense2')(encoded)
output_image = Reshape((1,256,256,))(decoded)
autoencoder = Model(input_image,output_image)
autoencoder.compile(optimizer='adadelta', loss='binary_crossentropy')

datagen = ImageDataGenerator(
    rotation_range=20,
    width_shift_range=0.2,
    height_shift_range=0.2,
    horizontal_flip=True)

autoencoder.fit_generator(datagen.flow(train_imgs, train_imgs,
            batch_size=32),
            samples_per_epoch=train_imgs.shape[0],
            nb_epoch=50,
            validation_data=(test_imgs,test_imgs))

train_imgs具有形状（1000,256,256），其中1000是训练样本的数量。 test_imgs有形状（50,256,256）。

这是我得到的错误

  

异常：生成器的输出应该是元组（x，y，sample_weight）   或（x，y）。发现：无

这是由fit_generator函数引发的。

Answer 1

自己想出这件事。事实证明，ImageDataGenerator假定输入的形状（number_of_samples，number_of_channels，width，height）。 重塑train_imgs和test_imgs就可以了。我修改了问题中的代码以包含这个额外的维度。

Answer 2

您需要将class_mode更改为＆＃39;输入＆＃39;像这样：

autoencoder.fit_generator(datagen.flow(train_imgs, train_imgs,
        batch_size=32,class_mode='input'),
        samples_per_epoch=train_imgs.shape[0],
        nb_epoch=50,
        validation_data=(test_imgs,test_imgs))

您可以阅读更多here

Answer 3

我认为您忘记了适合datagen模型。请在datagen.fit(train_imgs)之前添加autoencoder.fit_generator，然后尝试训练您的模型。