Чтобы узнать больше о глубоком изучении и компьютерном зрении, я работаю над проектом по определению полосы движения на дорогах. Я использую TFLearn в качестве обертки вокруг Tensorflow.Проблемы с формированием входов/выходов Tensorflow/TFLearn для изображений
фона
Учебных входы изображение дорог (каждое изображение, представленное в виде 50x50 пикселей 2D массива, причем каждый элемент имеет значение яркости от 0,0 до 1,0).
Выходы для тренировки имеют одинаковую форму (массив 50x50), но представляют собой отмеченную полосу. По существу, пиксели без дорожного движения равны 0, а пиксели дороги равны 1.
Это не проблема классификации изображений с фиксированным размером, а вместо этого проблема обнаружения дорожных и внедорожных пикселей из изображения.
Проблема
Я не был в состоянии успешно формировать свои входы/выходы таким образом, что TFLearn/Tensorflow принимает, и я не знаю, почему. Вот мой пример кода:
# X = An array of training inputs (of shape (50 x 50)).
# Y = An array of training outputs (of shape (50 x 50)).
# "None" equals the number of samples in my training set, 50 represents
# the size of the 2D image array, and 1 represents the single channel
# (grayscale) of the image.
network = input_data(shape=[None, 50, 50, 1])
network = conv_2d(network, 50, 50, activation='relu')
# Does the 50 argument represent the output shape? Should this be 2500?
network = fully_connected(network, 50, activation='softmax')
network = regression(network, optimizer='adam', loss='categorical_crossentropy', learning_rate=0.001)
model = tflearn.DNN(network, tensorboard_verbose=1)
model.fit(X, Y, n_epoch=10, shuffle=True, validation_set=(X, Y), show_metric=True, batch_size=1)
Ошибка я получаю это на model.fit
вызова с ошибкой:
ValueError: Cannot feed value of shape (1, 50, 50) for Tensor u'InputData/X:0', which has shape '(?, 50, 50, 1)'
Я попытался сокращения ввода/вывода массивов выборок в векторе 1D (с длиной 2500), но это приводит к другим ошибкам.
Я немного потерял, как все это сформировать, любая помощь будет принята с благодарностью!
Звучит как проблема с персоналом – boztalay