创建接受张量图像作为模型输入的 Tensorflow 模型

Question

我正在为图像分类模型使用以下配置：

model = keras.Sequential([
    keras.layers.Flatten(input_shape=(100, 100, 3)),
    keras.layers.Dense(128, activation='relu'),
    keras.layers.Dense(10)
])

model.compile(optimizer='adam',
              loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
              metrics=['accuracy'])

如果我打印 model.inputs 那么它 returns

[<tf.Tensor 'flatten_input:0' shape=(None, 100, 100, 3) dtype=float32>]

如果我将张量图像传递给此模型，则它不起作用。所以我的问题是我应该对我的模型做些什么改变才能接受张量图像

我正在使用以下代码传递图像：

image = np.asarray(image)
# The input needs to be a tensor, convert it using `tf.convert_to_tensor`.
input_tensor = tf.convert_to_tensor(image)
# The model expects a batch of images, so add an axis with `tf.newaxis`.
input_tensor = input_tensor[tf.newaxis,...]
# Run inference
output_dict = model(input_tensor)

如果我通过张量图像，我会得到下面的错误

WARNING:tensorflow:Model was constructed with shape (None, 100, 100, 3) for input Tensor("flatten_input:0", shape=(None, 100, 100, 3), dtype=float32), but it was called on an input with incompatible shape (1, 886, 685, 3).
---------------------------------------------------------------------------
InvalidArgumentError                      Traceback (most recent call last)

我只是想知道应该将哪些 Keras 层和输入参数更新到模型，以便它可以接受张量图像作为输入。任何帮助，将不胜感激。谢谢！

Answer 1

定义你的模型，你需要告诉keras你的图片通道数：1个黑白图片，3个RGB...

所以你需要写：

keras.layers.Flatten(input_shape=(1, 100, 100, 3)) for a 1 channel picture

我还注意到您没有为最后一层定义激活函数： keras.layers.Dense(10)，如果您将损失定义为交叉熵，您需要获得一些概率作为网络的输出，例如 keras.layers.Dense(10, activation='softmax')

希望你清楚

Answer 2

该消息是警告，不是错误，只是一些语义。该警告确实指出了一个真正的问题。

您的模型拍摄形状为 (100, 100, 3) 的图像，并且您为其提供形状为 (886, 865, 3) 的输入。空间尺寸不匹配，您需要将图像调整为大小 100 x 100.

创建接受张量图像作为模型输入的 Tensorflow 模型

create Tensorflow model which accepts tensor image as input to the model

python

keras

tensorflow

keras-layer

tensorflow2.0