西亚诺/拉萨涅/诺尔温神经网络图像输入

Question

我正致力于图像分类任务，并决定使用拉扎涅+诺尔学习作为神经网络的原型。所有标准示例(如MNIST数字分类)都运行良好，但当我尝试处理自己的图像时会出现问题。

我想使用三通道图像，而不是灰度。下面是我试图从图像中获取数组的代码：

 img = Image.open(item)
 img = ImageOps.fit(img, (256, 256), Image.ANTIALIAS)
 img = np.asarray(img, dtype = 'float64') / 255.
 img = img.transpose(2,0,1).reshape(3, 256, 256)   
 X.append(img)

这是NN的代码及其拟合：

X, y = simple_load("new")

X = np.array(X)
y = np.array(y)


net1 = NeuralNet(
    layers=[  # three layers: one hidden layer
        ('input', layers.InputLayer),
        ('hidden', layers.DenseLayer),
        ('output', layers.DenseLayer),
        ],
    # layer parameters:
    input_shape=(None, 65536),  # 96x96 input pixels per batch
    hidden_num_units=100,  # number of units in hidden layer
    output_nonlinearity=None,  # output layer uses identity function
    output_num_units=len(y),  # 30 target values

    # optimization method:
    update=nesterov_momentum,
    update_learning_rate=0.01,
    update_momentum=0.9,

    regression=True,  # flag to indicate we're dealing with regression problem


       max_epochs=400,  # we want to train this many epochs
        verbose=1,
        )

  net1.fit(X, y)

我收到了像这样的例外：

Traceback (most recent call last):
  File "las_mnist.py", line 39, in <module>
    net1.fit(X[i], y[i])
  File "/usr/local/lib/python2.7/dist-packages/nolearn/lasagne.py", line 266, in fit
    self.train_loop(X, y)
  File "/usr/local/lib/python2.7/dist-packages/nolearn/lasagne.py", line 273, in train_loop
    X, y, self.eval_size)
  File "/usr/local/lib/python2.7/dist-packages/nolearn/lasagne.py", line 377, in train_test_split
    kf = KFold(y.shape[0], round(1. / eval_size))
IndexError: tuple index out of range

所以，你用什么格式“给”你的网络提供图像数据？谢谢你的答案或任何提示！

Answer 1

我还在千层面用户论坛上问过这个问题，Oliver在代码示例：https://groups.google.com/forum/#!topic/lasagne-users/8ZA7hr2wKfM上帮了我很多忙。

Answer 2

如果您正在进行分类，则需要修改以下几项内容：

1. 在您的代码中设置了regression = True。若要进行分类，请删除这一行。
2. 如果要输入3个不同的通道，请确保输入形状与X的形状匹配
3. 因为您正在进行分类，所以需要输出来使用softmax非线性(目前您有身份，这无助于分类) X，y=simple_load(“新”)X= np.array(X) y= np.array(y) net1 = NeuralNet( layers= #三层:一个隐藏层(‘输入’，layers.InputLayer)，(‘隐藏’，layers.DenseLayer)，(‘输出’，layers.DenseLayer)，#层参数:input_shape=(无，3,256,256个)，# TODO:更改此hidden_num_units=100，#隐藏层output_nonlinearity=lasagne.nonlinearities.softmax，#TODO中的单元数:改变这个output_num_units=len(y)，# 30目标值#优化方法: update=nesterov_momentum，update_learning_rate=0.01，update_momentum=0.9，max_epochs=400，#我们要训练这么多时代的verbose=1， )