Блог

В настоящее время я пытаюсь использовать некоторые изображения из набора данных Sun различной формы, около (1000, 400, 1). Поскольку они различаются по форме, мой подход к этому заключался в создании массива numpy с массивами numpy в нем, чтобы мне не нужно было определять какую-либо его форму. Что я хочу сделать, так это обучить базовый CNN с использованием этих изображений. Проблема в том, что я не думаю, что мой CNN понимает, как на самом деле определяются мои входные данные. В моей реализации self.X_train[0], например, содержит одно изображение (с соответствующей целью в self.Y_train[0] и так далее). Мой код прямо сейчас выглядит как:

 import os
from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
from keras.models import Sequential
from keras.layers import Dense, Conv2D, Flatten

class network:
    def __init__(self):
        self.X_train, self.Y_train = self.generate_targets()


    def generate_targets(self):
        path = 'C:\Users\joaki\PycharmProjects\project\project dl\'
        folder = os.fsencode(path)
        targets = []
        inputs = []
        for file in os.listdir(folder):
            filename = os.fsdecode(file)
            if filename.endswith(('.jpg')):
                img = Image.open(filename).convert('RGB')
                img2 = Image.open(filename).convert('L')
                arr2 = np.array(img2)
                arr2 = arr2.reshape((arr2.shape[0], arr2.shape[1], 1))
                inputs.append(arr2)
                arr = np.array(img)
                targets.append(arr)
        Y = np.array(targets)
        X = np.array(inputs)
        return X, Y

    def plotting(self, type):
        plt.figure(figsize=(20, 10))
        for i in range(self.X_train.shape[0]):
            plt.subplot(2, 2, i 1)
            if type == 'targets':
                lum_img = self.Y_train[i][:, :, :] #[:,:,:] för färg
                plt.imshow(lum_img)
            if type == 'inputs':
                lum_img = self.X_train[i][:, :, 0]  # [:,:,:] för färg
                plt.imshow(lum_img)
        plt.show()

    def train_network(self):
        model = Sequential()
        # add model layers
        model.add(Conv2D(64, kernel_size=3, activation='relu', input_shape = (None, None, 1)))
        model.add(Conv2D(32, kernel_size=3, activation='relu'))
        model.add(Flatten())
        model.add(Dense(10, activation='softmax'))
        model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])
        model.fit(self.X_train, self.Y_train, batch_size = 1, validation_data=(self.X_train, self.Y_train), epochs=3)




network1 = network()
#network1.plotting('inputs')
network1.train_network()
#print(network1.X_train[0].shape)
  

Есть ли решение этой проблемы, если да, может ли кто-нибудь предоставить информацию или источник, которому я должен следовать? Заранее спасибо!