为了了解有关深度学习和计算机视觉的更多信息，我正在从事一个在道路上执行车道检测的项目。我将 TFLearn 用作 Tensorflow 的包装器。
背景
训练输入是道路图像(每个图像表示为一个 50x50 像素的二维数组，每个元素都是一个从 0.0 到 1.0 的亮度值)。
训练输出具有相同的形状(50x50 阵列)，但表示标记的车道区域。本质上，非道路像素为0，道路像素为1。
这不是固定大小的图像分类问题，而是从图片中检测道路像素与非道路像素的问题。
问题
我无法以 TFLearn/Tensorflow 接受的方式成功塑造我的输入/输出，我不确定为什么。这是我的示例代码:
# X = An array of training inputs (of shape (50 x 50)).
# Y = An array of training outputs (of shape (50 x 50)).
# "None" equals the number of samples in my training set, 50 represents
# the size of the 2D image array, and 1 represents the single channel
# (grayscale) of the image.
network = input_data(shape=[None, 50, 50, 1])
network = conv_2d(network, 50, 50, activation='relu')
# Does the 50 argument represent the output shape? Should this be 2500?
network = fully_connected(network, 50, activation='softmax')
network = regression(network, optimizer='adam', loss='categorical_crossentropy', learning_rate=0.001)
model = tflearn.DNN(network, tensorboard_verbose=1)
model.fit(X, Y, n_epoch=10, shuffle=True, validation_set=(X, Y), show_metric=True, batch_size=1)
我收到的错误是在 model.fit 调用中，错误为:
ValueError:无法为形状为“(?, 50, 50, 1)”的 Tensor u'InputData/X:0' 提供形状 (1, 50, 50) 的值
我尝试将示例输入/输出数组减少为一维向量(长度为 2500)，但这会导致其他错误。
我对如何塑造这一切有点迷茫，非常感谢任何帮助!
最佳答案
查看 tensorflow 的图像流包装器，它将包含多个图像的 numpy 数组转换为 .tfrecords 文件，这是使用 tensorflow 的建议格式 https://github.com/HamedMP/ImageFlow .
你必须使用它来安装它
$ pip install imageflow
假设包含一些“k”个图像的 numpy 数组是 k_images，相应的 k 个标签(one-hot-encoded)存储在 k_labels 中，然后创建一个 .名为“tfr_file.tfrecords”的 tfrecords 文件就像写下这行一样简单
imageflow.convert_images(k_images, k_labels, 'tfr_file')
或者，Google 的 Inception 模型包含一个代码来读取文件夹中的图像，假设每个文件夹代表一个标签 https://github.com/tensorflow/models/blob/master/inception/inception/data/build_image_data.py
关于python - 为图像塑造 Tensorflow/TFLearn 输入/输出的问题，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/40064422/