Wprowadzanie obrazu z sieci neuronowej Theano/Lasagne/Nolearn

Question

Pracuję nad zadaniami klasyfikacji obrazu i zdecydowałem się użyć Lasagne + Nolearn do prototypu sieci neuronowych. Wszystkie standardowe przykłady, takie jak klasyfikacja numerów MNIST, działają dobrze, ale problemy pojawiają się, gdy próbuję pracować z własnymi obrazami.

Chcę użyć obrazów 3-kanałowych, a nie w skali szarości. A tam gdzie jest kod Próbuję dostać tablic z obrazami:

img = Image.open(item) 
img = ImageOps.fit(img, (256, 256), Image.ANTIALIAS) 
img = np.asarray(img, dtype = 'float64')/255. 
img = img.transpose(2,0,1).reshape(3, 256, 256) 
X.append(img) 

Oto kod z NN i jego zabudowy:

X, y = simple_load("new") 

X = np.array(X) 
y = np.array(y) 


net1 = NeuralNet(
    layers=[ # three layers: one hidden layer 
     ('input', layers.InputLayer), 
     ('hidden', layers.DenseLayer), 
     ('output', layers.DenseLayer), 
     ], 
    # layer parameters: 
    input_shape=(None, 65536), # 96x96 input pixels per batch 
    hidden_num_units=100, # number of units in hidden layer 
    output_nonlinearity=None, # output layer uses identity function 
    output_num_units=len(y), # 30 target values 

    # optimization method: 
    update=nesterov_momentum, 
    update_learning_rate=0.01, 
    update_momentum=0.9, 

    regression=True, # flag to indicate we're dealing with regression problem 


     max_epochs=400, # we want to train this many epochs 
     verbose=1, 
     ) 

    net1.fit(X, y) 

I odbieranie wyjątki takie jak ten:

Traceback (most recent call last): 
    File "las_mnist.py", line 39, in <module> 
    net1.fit(X[i], y[i]) 
    File "/usr/local/lib/python2.7/dist-packages/nolearn/lasagne.py", line 266, in fit 
    self.train_loop(X, y) 
    File "/usr/local/lib/python2.7/dist-packages/nolearn/lasagne.py", line 273, in train_loop 
    X, y, self.eval_size) 
    File "/usr/local/lib/python2.7/dist-packages/nolearn/lasagne.py", line 377, in train_test_split 
    kf = KFold(y.shape[0], round(1./eval_size)) 
IndexError: tuple index out of range 

W jakim formacie "karmisz" swoje sieci danymi obrazu? Dzięki za odpowiedzi lub wskazówki!

Answer 1

Poprosiłam też go lasagne-Użytkownicy Forum i Oliver Duerr pomógł mi wiele z próbki kodu: https://groups.google.com/forum/#!topic/lasagne-users/8ZA7hr2wKfM

Answer 2

Jeśli robisz klasyfikacji trzeba zmodyfikować kilka rzeczy:

1. W swoim kodzie ustawiono regression = True. Aby zrobić klasyfikację, usuń ten wiersz.
2. Upewnij się, że kształt wejścia dopasowuje kształt X, jeśli chcą wejść 3 różnych kanałów

3. Ponieważ robisz klasyfikacji trzeba wyjście użyć Softmax nieliniowość (w tej chwili masz tożsamość, która nie pomoże Ci z klasyfikacją)

   X, y = simple_load("new") 
   
   X = np.array(X) 
   y = np.array(y) 
   
   net1 = NeuralNet(
       layers=[ # three layers: one hidden layer 
        ('input', layers.InputLayer), 
        ('hidden', layers.DenseLayer), 
        ('output', layers.DenseLayer), 
        ], 
       # layer parameters: 
       input_shape=(None, 3, 256, 256), # TODO: change this 
       hidden_num_units=100, # number of units in hidden layer 
       output_nonlinearity=lasagne.nonlinearities.softmax, # TODO: change this 
       output_num_units=len(y), # 30 target values 
   
       # optimization method: 
       update=nesterov_momentum, 
       update_learning_rate=0.01, 
       update_momentum=0.9, 
   
       max_epochs=400, # we want to train this many epochs 
       verbose=1, 
   

   )