在 siamese 网络中使用 fit_generator 时出错

Question

我正在尝试调整Keras MNIST Siamese 示例以使用生成器。

在示例中，我们有：

model.fit([tr_pairs[:, 0], tr_pairs[:, 1]], tr_y,

          batch_size=128,

          epochs=epochs,

          validation_data=([te_pairs[:, 0], te_pairs[:, 1]], te_y))

试图找出生成器需要返回的形状，我做了：

np.array([tr_pairs[:, 0], tr_pairs[:, 1]]).shape

并得到

(2, 108400, 28, 28)

我的生成器然后返回这个：

(data, labels) = my_generator

data.shape

(2, 6, 300, 300, 3)

labels.shape

(6,)

因此，它是两个数组（用于 NN 输入），具有 6 个大小为300x300x3(RGB) 的图像 (batch_size )。

下面是fit_generator()用法：

...

input_shape = (300, 300, 3)

...

model.fit_generator(kbg.generate(set='train'), 

                    steps_per_epoch=training_steps,

                    epochs=1,

                    verbose=1,

                    callbacks=[],

                    validation_data=kbg.generate(set='test'),

                    validation_steps=validation_steps,

                    use_multiprocessing=False,

                    workers=0)  

我想我正在为 NN 提供相同的形状，但出现以下错误：

ValueError: Error when checking model input: the list of Numpy arrays that you are passing to your model is not the size the model expected. Expected to see 2 array(s), but instead gotthe following list of 1 arrays: [array([[[[[0.49803922, 0.48235294, 0.55686275],

          [0.63137255, 0.61176471, 0.64313725],

          [0.8627451 , 0.84313725, 0.84313725],

          ...,

          [0.58823529, 0.64705882, 0.631...

怎么了？

Answer 1

由于模型有两个输入层，生成器应该生成一个包含两个数组的列表作为两个输入层对应的输入样本，如下所示：def my_generator(args):    # ...    yield [first_pair, second_pair], labels其中first_pair和second_pair都具有 的形状(n_samples, 300, 300, 3)。