我正在處理keras.datasets.fashion_mnist包含 28 x 28 灰度圖像的數(shù)據(jù)集。我構(gòu)建了一個(gè)非常簡(jiǎn)單的卷積神經(jīng)網(wǎng)絡(luò)，它接受定義為的圖像占位符：X = tf.placeholder(tf.float32, [None, 28, 28, INPUT_CHANNELS], name='X_placeholder')我從<type 'numpy.ndarray'>形狀開(kāi)始(100, 28, 28)。此處的 100 表示我選擇用于訓(xùn)練的批量大小。顯然，維數(shù)在這里不對(duì)齊。我構(gòu)建的圖形也應(yīng)該適用于 RGB 圖像，因此是 INPUT_CHANNEL 維度。正如預(yù)期的那樣，當(dāng)我嘗試訓(xùn)練時(shí)，出現(xiàn)以下錯(cuò)誤：ValueError: Cannot feed value of shape (100, 28, 28) for Tensor u'X_placeholder:0', which has shape '(?, 28, 28, 1)'作為 TF 和 numpy 的新手，我不知道如何添加額外的維度。從各種來(lái)源拼湊出我的代碼后，我不能說(shuō)我選擇了占位符輸入形狀[None, 28, 28, INPUT_CHANNELS]，但我想堅(jiān)持使用它而不是試圖解決它。問(wèn)題如何重塑我的訓(xùn)練數(shù)據(jù)以匹配預(yù)期的占位符維度？
1 回答
暮色呼如
TA貢獻(xiàn)1853條經(jīng)驗(yàn) 獲得超9個(gè)贊
在 numpy 中：
您可以使用np.newaxis,np.expand_dims和reshape()添加維度。
import numpy as np
train_data = np.random.normal(size=(100,28,28))
print(train_data.shape)
new_a = train_data[...,np.newaxis]
print(new_a.shape)
new_a = np.expand_dims(train_data,axis=-1)
print(new_a.shape)
new_a = train_data.reshape(100,28,28,1)
print(new_a.shape)
(100, 28, 28)
(100, 28, 28, 1)
(100, 28, 28, 1)
(100, 28, 28, 1)
在張量流中：
您可以使用tf.newaxis,tf.expand_dims和tf.reshape添加維度。
import tensorflow as tf
train_data = tf.placeholder(shape=(None,28,28),dtype=tf.float64)
print(train_data.shape)
new_a = train_data[...,tf.newaxis]
print(new_a.shape)
new_a = tf.reshape(train_data,shape=(-1,28,28,1))
print(new_a.shape)
new_a = tf.expand_dims(train_data,axis=-1)
print(new_a.shape)
(?, 28, 28)
(?, 28, 28, 1)
(?, 28, 28, 1)
(?, 28, 28, 1)
添加回答
舉報(bào)
0/150
提交
取消