使用 keras 输出图像 - 如何指定输出层的形状。输入图像和输出图像尺寸为(210,210,3)
Output Image Using keras - how to specify shape for output layer. Input Image and Output Image Dimensions are(210,210,3)
我是 Keras 的新手。我正在尝试将彩色倒置图像输入神经网络,然后预测真实图像。这样我的x就变成了倒像,y就变成了实像。
但是我不知道如何用keras得到输出图像。
这是我的代码。
import numpy as np
from keras.preprocessing.image import load_img
from keras.preprocessing.image import img_to_array
from keras.models import Sequential
from keras.layers import Conv2D,MaxPooling2D,Flatten,Dense
real=[]
for i in range(1,11):
img=load_img(f"resized 1/{i}.jpg",target_size=(210,200))
img=img_to_array(img)
real.append(img)
invs=[]
for i in range(1,11):
img=load_img(f"resized 2/{i}i.jpg",target_size=(210,200))
img=img_to_array(img)
invs.append(img)
x=np.array(invs)
y=np.array(real)
x=x/255
y=y/255
model=Sequential()
model.add(Conv2D(64,(3,3),activation='relu'))
model.add(MaxPooling2D((2,2)))
model.add(Conv2D(64,(3,3),activation='relu'))
model.add(MaxPooling2D((2,2)))
model.add(Flatten())
model.add(Dense(128,input_shape=x.shape[1:],activation='relu'))
之后我应该做什么我应该如何指定输出层....我卡住了
model.compile(optimizer='adam',loss='sparse_categorical_crossentropy',metrics=['accuracy'])
model.fit(x,y,epochs=5,validation_split=0.1)
提前致谢....
我已经提到了这个 post 但什么也得不到 -
这不是分类或回归问题。因此,您使用的神经网络类型(卷积)不适合此问题。
我认为神经风格迁移更合适。在这种情况下,应该使用生成对抗网络 (GAN)。
您可以在此处阅读相关示例:https://www.tensorflow.org/tutorials/generative/dcgan
我是 Keras 的新手。我正在尝试将彩色倒置图像输入神经网络,然后预测真实图像。这样我的x就变成了倒像,y就变成了实像。 但是我不知道如何用keras得到输出图像。
这是我的代码。
import numpy as np
from keras.preprocessing.image import load_img
from keras.preprocessing.image import img_to_array
from keras.models import Sequential
from keras.layers import Conv2D,MaxPooling2D,Flatten,Dense
real=[]
for i in range(1,11):
img=load_img(f"resized 1/{i}.jpg",target_size=(210,200))
img=img_to_array(img)
real.append(img)
invs=[]
for i in range(1,11):
img=load_img(f"resized 2/{i}i.jpg",target_size=(210,200))
img=img_to_array(img)
invs.append(img)
x=np.array(invs)
y=np.array(real)
x=x/255
y=y/255
model=Sequential()
model.add(Conv2D(64,(3,3),activation='relu'))
model.add(MaxPooling2D((2,2)))
model.add(Conv2D(64,(3,3),activation='relu'))
model.add(MaxPooling2D((2,2)))
model.add(Flatten())
model.add(Dense(128,input_shape=x.shape[1:],activation='relu'))
之后我应该做什么我应该如何指定输出层....我卡住了
model.compile(optimizer='adam',loss='sparse_categorical_crossentropy',metrics=['accuracy'])
model.fit(x,y,epochs=5,validation_split=0.1)
提前致谢....
我已经提到了这个 post 但什么也得不到 -
这不是分类或回归问题。因此,您使用的神经网络类型(卷积)不适合此问题。
我认为神经风格迁移更合适。在这种情况下,应该使用生成对抗网络 (GAN)。
您可以在此处阅读相关示例:https://www.tensorflow.org/tutorials/generative/dcgan