我是深度学习的新手,所以请原谅我提出这个可能很简单的问题。
我训练了一个网络来在 positive 和 negative 之间进行分类。为了简化图像生成和拟合过程,我使用了 ImageDataGenerator 和 fit_generator 函数,如下所示:
import tensorflow as tf
from tensorflow.keras.preprocessing.image import ImageDataGenerator
# Simplified model
model = tf.keras.models.Sequential([
tf.keras.layers.Conv2D(16, (3,3), activation='relu', input_shape=(12, 12, 3)),
tf.keras.layers.MaxPooling2D(2, 2),
tf.keras.layers.Flatten(),
tf.keras.layers.Dense(128, activation='relu'),
tf.keras.layers.Dense(1, activation='sigmoid')
])
# Image import, for 'validation_generator' equally
train_datagen = ImageDataGenerator(rescale=1./255)
train_generator = train_datagen.flow_from_directory(
'./training/',
target_size=(12, 12),
batch_size=128,
class_mode='binary')
# Compiling
model.compile(loss='binary_crossentropy',
optimizer='adam',
metrics=['acc'])
# Fitting, for Tensorboard 'history = model.fit_gen...'
model.fit_generator(train_generator,
steps_per_epoch=8,
epochs=50,
verbose=1,
validation_data = validation_generator,
validation_steps=8,
callbacks=[tb]) # Standard Tensorboard
我想使用我的模型来预测单个图像(导入为 numpy array),如下所示:
image = 'single imported image with shape (12, 12, 3)'
model.predict(image)
但是,我唯一得到的是一条错误消息,指出 Matrix size-incompatible。我已经在我的 validation_generator 上尝试了 model.predict_generator(),它有效,但这不是单个图像。
提前致谢。
请您参考如下方法:
如果您想对单个图像进行预测,请执行以下操作:
image = np.random.rand(12, 12, 3) # single imported image with shape (12, 12, 3)
image = np.expand_dims(image, axis=0) # image shape is (1, 12, 12, 3)
model.predict(image)
换句话说,您的模型仍然期望输入形状为 (None, 12, 12, 3)。因此,在进行预测之前,将图像的维度扩展为一批单个图像。
