keras的preprocess_input导致ValueError：数据基数不明确

如何解决keras的preprocess_input导致ValueError：数据基数不明确

我将keras用于回归模型。我正在尝试微调VGG16。一切正常。添加tensorflow.keras.applications.vgg16.preprocess_input以根据VGG16预处理图像后，出现以下错误：

ValueError：数据基数不明确： x尺寸：1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1 ，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1 ，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1 ，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1 ，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1 ，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1 ，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1 ，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1 ，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1 ，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1 ，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1 ，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1 ，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1 ，1，1，1，1，1，1，1 ，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1 ，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1 ，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1 ，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1 y码：422 确保所有阵列都包含相同数量的样本。

加载图像后，我遍历主题并应用此方法：

from keras.preprocessing.image import img_to_array

images = []
for img in loaded_images:
    img = img_to_array(img)
    img = img.reshape((1,img.shape[0],img.shape[1],img.shape[2]))
    img = preprocess_input(img)
    images.append(img)

actual = actual.reshape(1,-1)
assert len(images) == len(actual)

之后，我将图像划分为训练，有效和测试集，如下所示：

修改：

train_images,test_images,train_actual_score,test_actual_score = train_test_split(images,scaled_train_mos,test_size=0.20,random_state=42)

最后，我调用fit函数：

history = model.fit(x=train_images,y=train_actual_score,validation_data=(test_images,test_actual_score),epochs=30,batch_size=8,verbose=2)

更新：

这里是standalone code来重现上述问题。

解决方法

为了使代码正常工作，我对您的代码做了一些更改：

第一名：在生成随机数据时，您正在生成大小为（244,24,3）的img，但是您的模型将输入为（224,224,3）

# original
im = np.random.randint(0,255,(244,244,3)) 
# changes
im = np.random.randint(0,(224,3))

第二名： 更改了重塑功能：

# Original
from keras.preprocessing.image import img_to_array
images_ = []
for img in images:
    img = img_to_array(img)
    img = img.reshape(1,img.shape[0],img.shape[1],img.shape[2])
    img = preprocess_input(img)
    images_.append(img)
# changed
from keras.preprocessing.image import img_to_array

images_ = []
for img in images:
    img = img_to_array(img)
    img = img.reshape(img.shape[0],img.shape[2])
    img = preprocess_input(img)
    images_.append(img)

您使用的整形方法生成的（50，1，244，244，3）不正确。尽管我不确定为什么首先要使用重塑，因为您的数据已经采用了正确的格式。

第三名： 您将分数重塑为形状（1,50），这意味着您的训练数据仅包含1个样本和50个值。无需更改分数的形状。（50,1）是正确的形状，表示您有50个样本和预测值。

第四名： 将列表转换为numpy数组：

train_images = np.array(train_images)
test_images = np.array(test_images)
train_score = np.array(train_score)
test_score = np.array(test_score)

查看完整的工作代码here