具有自定义数据的Resnet

Question

我试图用我的自定义数据修改Resnet50，如下所示：

X = [[1.85, 0.460,... -0.606] ... [0.229, 0.543,... 1.342]] 
y = [2, 4, 0, ... 4, 2, 2]

X是一个长度为2000的特征向量，用于784幅图像。Y是一个大小为784的数组，包含标签的二进制表示形式。

以下是代码：

def __classifyRenet(self, X, y):
    image_input = Input(shape=(2000,1))
    num_classes = 5
    model = ResNet50(weights='imagenet',include_top=False)
    model.summary()
    last_layer = model.output
    # add a global spatial average pooling layer
    x = GlobalAveragePooling2D()(last_layer)
    # add fully-connected & dropout layers
    x = Dense(512, activation='relu',name='fc-1')(x)
    x = Dropout(0.5)(x)
    x = Dense(256, activation='relu',name='fc-2')(x)
    x = Dropout(0.5)(x)
    # a softmax layer for 5 classes
    out = Dense(num_classes, activation='softmax',name='output_layer')(x)

    # this is the model we will train
    custom_resnet_model2 = Model(inputs=model.input, outputs=out)

    custom_resnet_model2.summary()

    for layer in custom_resnet_model2.layers[:-6]:
        layer.trainable = False

    custom_resnet_model2.layers[-1].trainable

    custom_resnet_model2.compile(loss='categorical_crossentropy',
                                 optimizer='adam',metrics=['accuracy'])
    clf = custom_resnet_model2.fit(X, y,
                                    batch_size=32, epochs=32, verbose=1,
                                    validation_data=(X, y))
    return clf

我打电话是为了发挥以下作用：

clf = self.__classifyRenet(X_train, y_train)

它犯了一个错误：

ValueError: Error when checking input: expected input_24 to have 4 dimensions, but got array with shape (785, 2000)

请帮帮忙。谢谢!

Answer 1

1.首先，理解错误.

您的输入与ResNet的输入不匹配，对于ResNet，输入应该是(n_sample，224,224，3)，但是您有(785,2000)。从您的问题中，您有784幅大小为2000的图像，这与原始的ResNet50输入形状(224x224)并不一致，不管您如何重塑它。这意味着您不能对数据直接使用ResNet50。您在代码中所做的唯一的事情就是获取ResNet50的最后一层，并添加输出层以与输出类大小保持一致。

2。那么，你能做什么。。

如果坚持使用ResNet架构，则需要更改输入层而不是输出层。此外，您将需要重塑您的图像数据，以利用卷积层。这意味着，您不能将它放在(2000,)数组中，而是需要类似于(height, width, channel)，就像ResNet和其他体系结构所做的那样。当然，您还需要更改输出层，就像您所做的那样，以便您为您的类进行预测。试一试如下：

model = ResNet50(input_tensor=image_input_shape, include_top=True,weights='imagenet')

这样，您就可以指定自定义的输入图像形状。您可以检查github代码以获得更多信息(https://github.com/keras-team/keras/blob/master/keras/applications/resnet50.py)。以下是docstring的一部分：

input_shape: optional shape tuple, only to be specified
    if `include_top` is False (otherwise the input shape
    has to be `(224, 224, 3)` (with `channels_last` data format)
    or `(3, 224, 224)` (with `channels_first` data format).
    It should have exactly 3 inputs channels,
    and width and height should be no smaller than 197.
    E.g. `(200, 200, 3)` would be one valid value.