猿问

如何在 tf.data API 中使用 Keras 生成器

我正在尝试使用 Keras 预处理库中的生成器。我想对此进行试验,因为 Keras 为图像增强提供了很好的功能。但是,我不确定这是否真的可能。


这是我从 Keras 生成器制作 tf 数据集的方法:


def make_generator():

    train_datagen = ImageDataGenerator(rescale=1. / 255)

    train_generator = 

    train_datagen.flow_from_directory(train_dataset_folder,target_size=(224, 224), class_mode='categorical', batch_size=32)

    return train_generator


train_dataset = tf.data.Dataset.from_generator(make_generator,(tf.float32, tf.float32)).shuffle(64).repeat().batch(32)

请注意,如果您尝试直接将其train_generator作为参数提供给tf.data.Dataset.from_generator,则会出现错误。但是,上述方法不会产生错误。


当我在会话中运行它以检查数据集的输出时,我收到以下错误。


iterator = train_dataset.make_one_shot_iterator()

next_element = iterator.get_next()

sess = tf.Session()

for i in range(100):

    sess.run(next_element)

找到属于 2 个类别的 1000 张图像。-------------------------------------------------- ------------------------- InvalidArgumentError Traceback (最近一次调用最后一次) /usr/local/lib/python3.6/dist-packages/tensorflow/ python/client/session.py in _do_call(self, fn, *args) 1291 try: -> 1292 return fn(*args) 1293 除了 errors.OpError as e:


/usr/local/lib/python3.6/dist-packages/tensorflow/python/client/session.py in _run_fn(feed_dict, fetch_list, target_list, options, run_metadata) 1276 return self._call_tf_sessionrun( -> 1277 options, feed_dict,第 1278 章


/usr/local/lib/python3.6/dist-packages/tensorflow/python/client/session.py in _call_tf_sessionrun(self, options, feed_dict, fetch_list, target_list, run_metadata) 1366 self._session, options, feed_dict, fetch_list,目标列表,-> 1367 运行元数据)1368


InvalidArgumentError:无法批量处理组件 0 中具有不同形状的张量。第一个元素的形状为 [32,224,224,3],元素 29 的形状为 [8,224,224,3]。[[{{node IteratorGetNext_2}} = IteratorGetNextoutput_shapes=[, ], output_types=[DT_FLOAT, DT_FLOAT], _device="/job:localhost/replica:0/task:0/device:CPU:0"]]


在处理上述异常的过程中,又发生了一个异常:


请让我知道是否有人对此有任何经验或知道任何其他方式。


明月笑刀无情
浏览 108回答 2
2回答
随时随地看视频慕课网APP

相关分类

Python
我要回答