я пытаюсь адаптировать этот простой код автоэнкодера: https://github.com/tflearn/tflearn/blob/master/examples/images/autoencoder.py . Я пытаюсь изменить код таким образом, чтобы он использовал сверточные слои и вводил 488 изображений * 30 высоты * 30 ширины * 3 цветовых канала (RGB) [488, 30, 30, 3] и выводил новое изображение которые выглядят похожими, но отличаются от оригинала. Я не использую какой-либо набор данных проверки (мне все равно на переоснащение, и я не вижу никакой другой причины для использования набора данных проверки, кроме помощи в предотвращении переобучения. Я могу быть совершенно неправ, я хотел бы знать если это так). Я новичок, извините за плохо построенный кодировщик и декодер.
# Data loading and preprocessing
from reading import *
X = getDataColor() #A function that read my img data
total_samples = len(X)
np.random.seed(42) # For debugging and visualization purposes
X = np.reshape(X, newshape=[total_samples, 30, 30, 3])
X = X.astype('float32') / 255. #For scaling
# Building the encoder
encoder = tflearn.input_data(shape=[None, 30, 30, 3])
encoder = tflearn.conv_2d(encoder,16, 3, activation='relu', padding='same', regularizer='L2')
encoder = tflearn.max_pool_2d(encoder,[2,2], padding='same')
encoder = tflearn.conv_2d(encoder,8, [3,3], activation='relu', padding='same')
encoder = tflearn.max_pool_2d(encoder,[2,2], padding='same')
encoder = tflearn.conv_2d(encoder,8, [3,3], activation='relu', padding='same')
encoder = tflearn.max_pool_2d(encoder,[2,2], padding='same')
# Building the decoder
decoder = tflearn.conv_2d(encoder,8, [3,3], activation='relu', padding='same')
decoder = tflearn.upsample_2d(decoder,[2,2])
decoder = tflearn.conv_2d(decoder,8, [3,3], activation='relu', padding='same')
decoder = tflearn.upsample_2d(decoder,[2,2])
decoder = tflearn.conv_2d(decoder,16, [3,3], activation='relu', padding='same')
decoder = tflearn.upsample_2d(decoder,[2,2])
decoder = tflearn.conv_2d(decoder,1, [3,3], activation='relu', padding='same')
# Regression, with mean square error
net = tflearn.regression(decoder, optimizer='adam', learning_rate=0.001,
loss='mean_square', metric=None)
# Training the auto encoder
model = tflearn.DNN(net, tensorboard_verbose=0)
gen_noise = np.random.uniform(-1, 1., size=[total_samples, 30, 30, 3])
#I'm trying to generate images based on this noise
#I couldn't think of any other way...
model.fit(gen_noise, X, n_epoch =10000,
run_id="auto_encoder", batch_size=total_samples)
При попытке запустить полный код я получаю сообщение об ошибке:
Log directory: /tmp/tflearn_logs/
---------------------------------
Training samples: 488
Validation samples: 0
--
Traceback (most recent call last):
File "autoCNN.py", line 66, in <module>
run_id="auto_encoder", batch_size=total_samples)
File "F:\Users\Kai\Miniconda3\lib\site-packages\tflearn\models\dnn.py", line 216, in fit
callbacks=callbacks)
File "F:\Users\Kai\Miniconda3\lib\site-packages\tflearn\helpers\trainer.py", line 339, in fit
show_metric)
File "F:\Users\Kai\Miniconda3\lib\site-packages\tflearn\helpers\trainer.py", line 818, in _train
feed_batch)
File "F:\Users\Kai\Miniconda3\lib\site-packages\tensorflow\python\client\session.py", line 789, in run
run_metadata_ptr)
File "F:\Users\Kai\Miniconda3\lib\site-packages\tensorflow\python\client\session.py", line 975, in _run
% (np_val.shape, subfeed_t.name, str(subfeed_t.get_shape())))
ValueError: Cannot feed value of shape (488, 30, 30, 3) for Tensor 'TargetsData/Y:0', which has shape '(?, 32, 32, 1)'
Почему «TargetsData/Y:0» имеет форму (?, 32, 32, 1) и как ее решить?
