Numpy 在sklearn神经网络中用图像训练CNN

我正在尝试训练CNN（学习神经网络）。我有4个128 x 128像素的图像。形状->（4128128） 我在读像这样的图片-

in1 = misc.imread('../data/Train_Data/train-1.jpg', mode='L', flatten=True)/255. in2 = misc.imread('../data/Train_Data/train-2.jpg', mode='L', flatten=True)/255. in3 = misc.imread('../data/Train_Data/train-3.jpg', mode='L', flatten=True)/255. in4 = misc.imread('../data/Train_Data/train-4.jpg', mode='L', flatten=True)/255.

然后创建numpy数组，如下所示-

X_train = [in1,in2,in3,in4]
X_train = np.array(X_train)

与标签和测试集相同

然后我在训练我的CNN-

nn = Classifier(
    layers=[
        Convolution('Rectifier', channels=12, kernel_shape=(3, 3), border_mode='full'),
        Convolution('Rectifier', channels=8, kernel_shape=(3, 3), border_mode='valid'),
        Layer('Rectifier', units=64),
        Layer('Softmax')],
    learning_rate=0.002,
    valid_size=0.2,
    n_stable=10,
    verbose=True)


nn.fit(X_train, y_train)

它抛出的错误为-

回溯（最近一次呼叫最后一次）： 文件“/home/zaverichintan/PycharmProjects/WBC_identification/neural/trial.py”，第91行，在 nn.fit（X_系列，y_系列） 文件“/home/zaverichintan/miniconda2/lib/python2.7/site-packages/sknn/mlp.py”，第383行，适合 ys=[lb.fit_transform（y[：，i]），用于枚举中的i，lb（self.label_二进制代码）] 文件“/home/zaverichintan/miniconda2/lib/python2.7/site packages/sklearn/base.py”，第494行，在fit_转换中 返回self.fit（X，**fit_参数）.transform（X） 文件“/home/zaverichintan/miniconda2/lib/python2.7/site packages/sklearn/preprocessing/label.py”，第335行，在转换中 稀疏输出=自。稀疏输出） 文件“/home/zaverichintan/miniconda2/lib/python2.7/site packages/sklearn/preprocessing/label.py”，第497行，标签二值化 y=列_或_1d（y） 文件“/home/zaverichintan/miniconda2/lib/python2.7/site packages/sklearn/utils/validation.py”，第563行，在第_或_1d列中 raise VALUERROR（“错误的输入形状{0}”。格式（形状）） ValueError:错误的输入形状（4128）

---

您的

in1，in2，….inN

是

128x128

的二维数组，您必须将它们全部转换为

16384

的一维数组<代码>1.形状应打印

（16384，）

和

X\u列车。形状

应打印

（416384）

。您可以使用numpy数组并应用[

重塑

][1]功能。