Question

我正在尝试创建一个识别面部的模型。但我一直遇到这个错误，其他类似问题的答案都没有解决这个问题。代码如下：

X = pickle.load(open('dataset.pkl', 'rb')).astype('float32')
Y = pickle.load(open('dataset.pkl', 'rb')).astype('float32')
X_test = pickle.load(open('dataset.pkl', 'rb')).astype('float32')
Y_test = pickle.load(open('dataset.pkl', 'rb')).astype('float32')

# Input is a 250x250 image with 3 color channels (red, green and blue)       

network = input_data(shape=[None, 250, 250, 3],
                 data_preprocessing=img_prep,
                 data_augmentation=img_aug)

# Step 1: Convolution
network = conv_2d(network, 32, 3, activation='relu')

# Step 2: Max pooling
network = max_pool_2d(network, 2)

# Step 3: Convolution again
network = conv_2d(network, 64, 3, activation='relu')

# Step 4: Convolution yet again
network = conv_2d(network, 64, 3, activation='relu')

# Step 5: Max pooling again
network = max_pool_2d(network, 2)

# Step 6: Fully-connected 512 node neural network
network = fully_connected(network, 512, activation='relu')

# Step 7: Dropout - throw away some data randomly during training to prevent over-fitting
network = dropout(network, 0.5)

# Step 8: Fully-connected neural network with two outputs to make the final prediction
network = fully_connected(network, 2, activation='softmax')

# Tell tflearn how we want to train the network
network = regression(network, optimizer='adam',
                 loss='categorical_crossentropy',
                 learning_rate=0.001)

# Wrap the network in a model object
model = tflearn.DNN(network, tensorboard_verbose=0, checkpoint_path='faceRecog.tfl.ckpt')

# Train it! We'll do 100 training passes and monitor it as it goes.
model.fit(X, Y, n_epoch=10, shuffle=True, validation_set=(X_test, Y_test),
      show_metric=True, batch_size=10,
      snapshot_epoch=True,
      run_id='faceRecog')

我一直在

ValueError：无法为Tensor＆＃39; TargetsData / Y：0＆＃39;提供形状值（10,250,250,3），它具有形状＆＃39;（？，2）＆＃39; 。

此时我已尝试过所有内容，并且无法完全理解如何解决问题。

Answer 1

您的输入形状为(?, 250, 250, 3)（基于开头的注释以及您之前使用卷云层的事实），您的输出形状为(?, 2)（基于快速你的最后一层是一个完全连接的层，有2个输出神经元）。然而，您将相同的数据集提供给两者：

X = pickle.load(open('dataset.pkl', 'rb')).astype('float32')
Y = pickle.load(open('dataset.pkl', 'rb')).astype('float32')

^^请注意，您为X和Y加载了相同的文件。

由于我不知道你想要达到的目标，因此有两种可能的解决方案：

如果您正在尝试构建某种类型的自动编码器（在这种情况下，将相同的数据集输入到输入和输出都是有意义的），您需要更改网络的体系结构，即卷积层应该进入反卷积层。如何做到超出了单个Stack Overflow答案的范围
如果您正在尝试构建某种分类器，那么您就不会为Y读取正确的文件。 Y应包含您要预测的标签，而不是图片。

python tflearn - ValueError：不能为Tensor＆＃39; TargetsData / Y：0＆＃39;提供形状值（10,250,250,3），它具有形状＆＃39;（？，2）＆＃39;

1 个答案: