Если вы используете бэкэндер tensorflow, вы можете использовать функцию tf.image.resize_images()
, чтобы изменить размер изображений в слое Lambda
.
Вот небольшой пример, чтобы продемонстрировать то же самое:
import numpy as np
import scipy.ndimage
import matplotlib.pyplot as plt
from keras.layers import Lambda, Input
from keras.models import Model
from keras.backend import tf as ktf
# 3 channel images of arbitrary shape
inp = Input(shape=(None, None, 3))
try:
out = Lambda(lambda image: ktf.image.resize_images(image, (128, 128)))(inp)
except :
# if you have older version of tensorflow
out = Lambda(lambda image: ktf.image.resize_images(image, 128, 128))(inp)
model = Model(input=inp, output=out)
model.summary()
X = scipy.ndimage.imread('test.jpg')
out = model.predict(X[np.newaxis, ...])
fig, Axes = plt.subplots(nrows=1, ncols=2)
Axes[0].imshow(X)
Axes[1].imshow(np.int8(out[0,...]))
plt.show()
Я столкнулся с той же проблемой, как и раньше. Во время предсказания я получаю сообщение об ошибке, что 'ktf' не найден. Я применил тот же оператор import в моем сценарии предсказания, конечно. Я также перешел на полный путь как 'keras.backend.tf' и все еще' NameError': name 'keras' не определен –
@SamHammamy Кажется, что среда, в которой выполняется сценарий прогнозирования, не имеет keras. Попробуйте импортировать только keras и посмотреть. Если он работает, посмотрите, какой бэкэнд использует его. Кроме того, вместо того, чтобы получать 'tf' из keras backend, вы можете использовать' import tensorflow as tf' и использовать его. – indraforyou
Конечно, у него есть «керас». Я запустил предсказание, изменив размер в генераторе в течение нескольких недель. Это, однако, панель Raspberry Pi, и я установил TensorFlow на нее из пользовательского пика, который я нашел в Интернете. Как я уже сказал, это нормально работает, если я изменяю размер в генераторе. Я также нашел это решение, которое мне нужно исследовать сегодня. Https://gist.github.com/bzamecnik/a33052ec46ee7efeb217856d98a4fb5f –