在學(xué)習(xí)機(jī)器學(xué)習(xí)的時候有一大類是圖像識別,而圖像識別建立在圖像的基礎(chǔ)上,所以打開這個圖像是圖像識別的基礎(chǔ)。但是有些圖片在Keras進(jìn)行學(xué)習(xí)的時候會出現(xiàn)報錯,這是由于圖片通道順序錯誤導(dǎo)致的。那么圖片通道順序如何調(diào)整呢?接下來這篇文章帶你了解如何實現(xiàn)Keras改變圖片通道順序。
1. Error
在使用Keras.layers.convolutional.Convolution2D的時候
Convolution2D(32, 5, 5, border_mode='valid', input_shape=(1, 28, 28), activation='relu')
報如下錯誤:
OverflowError: Range exceeds valid bounds
這是因為Keras配置圖片通道順序錯誤導(dǎo)致的。上面代碼使用圖片通道順序是[channels][height][width]
2. 修改圖片通道順序
檢查 ~/.keras/keras.json文件
if "image_dim_ordering": is "th" and "backend": "theano", your input_shape must be (channels, height, width)
if "image_dim_ordering": is "tf" and "backend": "tensorflow", your input_shape must be (height, width, channels)
所以,要保證你使用的通道順序和配置的通道順序一致
或者通過這樣修改
from keras import backend
backend.set_image_dim_ordering('th')
補(bǔ)充:Keras設(shè)置后端數(shù)據(jù)維度順序
Keras是比較高級的深度學(xué)習(xí)框架,其對幾個比較常見的主流深度學(xué)習(xí)框架的封裝而來,也就是按照Keras的說法就是其后端是以Tensorflow、Theano和CNTK為基礎(chǔ)封裝而來。
CNTK我沒做過多了解,tensorflow的tensor的維度順序和Theano的維度順序是不一樣的,所以在使用Keras的時候要格外注意這一點,如果后端不同的話,設(shè)置的數(shù)據(jù)維度順序也是要不一樣的。
tensorflow的數(shù)據(jù)維度默認(rèn)順序是channels_last的好像,也就是說其一個tensor的數(shù)據(jù)維度是[samples,rows,cols,channels],而Theano不同,其數(shù)據(jù)順序是channels_first,也就是[samples,rows,cols,channels],這個其實也就是這兩個框架的不同而已,如果用keras來寫深度學(xué)習(xí)模型的話,其實就只要設(shè)置好后端基本也沒啥問題,也不必太考慮數(shù)據(jù)維度的問題。
但是Keras的數(shù)據(jù)維度是可以改變的,即使是使用tensorflow為后端,Keras的數(shù)據(jù)格式也可以是channels_first的,并且這個是可以通過配置文件來改,也可以通過代碼來改的。
Keras的配置文件默認(rèn)是在$HOME/.keras/keras.json,可以用txt編輯器打開直接修改后端配置的:
{
"floatx": "float32",
"epsilon": 1e-07,
"image_data_format": "channels_last",
"backend": "tensorflow"
}
這是我的windows下的配置信息,默認(rèn)是以tensorflow為后端,數(shù)據(jù)格式是channels_last,但是我有個小項目是一開始是以Theano為后端來寫的,本來就只要稍微改一下就好,但是因為只是這個項目需要改為Theano,所以我并沒有直接改配置文件,而是在代碼里修改后端,這里需要用到Keras的后端backend來實現(xiàn),修改的代碼如下:
from keras import backend as BK
BK.set_image_data_format("channels_first")
BK.set_image_dim_ordering("th")
這樣設(shè)置之后再這個程序跑起來的時候其后端并不會被改變,改變的只是數(shù)據(jù)的維度順序而已,而且僅僅是針對當(dāng)前的程序,對其它程序是不影響的。
以上就是圖片通道順序如何調(diào)整的全部內(nèi)容,希望能給大家一個參考,也希望大家多多支持W3Cschool。