Python Keras:检查输入时出错：预期输入_1具有形状（299，299，3），但获得具有形状（229，229，3）的数组

我想在keras训练一个inceptionv3模型

我的数据集被预处理成

2292293

形状

print(data.shape)
print(type(data))
print(type(data[0]))

输出

(1458, 229, 229, 3)

<class 'numpy.ndarray'>

<class 'numpy.ndarray'>

调用model.fit

# train the network
print("[INFO] training network...")
H = model.fit(train_x, train_y, validation_data=(test_x, test_y),
              batch_size=batch_size, epochs=num_of_epochs, verbose=1)

然后我得到了这个错误。我不明白，因为尺寸是正确的

[INFO] training network...
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
 in 
      2 print("[INFO] training network...")
      3 H = model.fit(train_x, train_y, validation_data=(test_x, test_y),
----> 4               batch_size=batch_size, epochs=num_of_epochs, verbose=1)
      5 
      6 model.save(model_save_path)

~/anaconda3/lib/python3.7/site-packages/keras/engine/training.py in fit(self, x, y, batch_size, epochs, verbose, callbacks, validation_split, validation_data, shuffle, class_weight, sample_weight, initial_epoch, steps_per_epoch, validation_steps, **kwargs)
    950             sample_weight=sample_weight,
    951             class_weight=class_weight,
--> 952             batch_size=batch_size)
    953         # Prepare validation data.
    954         do_validation = False

~/anaconda3/lib/python3.7/site-packages/keras/engine/training.py in _standardize_user_data(self, x, y, sample_weight, class_weight, check_array_lengths, batch_size)
    749             feed_input_shapes,
    750             check_batch_axis=False,  # Don't enforce the batch size.
--> 751             exception_prefix='input')
    752 
    753         if y is not None:

~/anaconda3/lib/python3.7/site-packages/keras/engine/training_utils.py in standardize_input_data(data, names, shapes, check_batch_axis, exception_prefix)
    136                             ': expected ' + names[i] + ' to have shape ' +
    137                             str(shape) + ' but got array with shape ' +
--> 138                             str(data_shape))
    139     return data
    140 

ValueError: Error when checking input: expected input_1 to have shape (299, 299, 3) but got array with shape (229, 229, 3)

编辑

batch_size = 32

如何调整图像大小

import imutils
import cv2

class AspectAwarePreprocessor:
    """
    CONTRUCTOR
    witdh : desired width
    height : desired height
    inter : interpolation method used when resizing the image
    """
    def __init__(self,width,height,inter=cv2.INTER_AREA):
        self.width = width
        self.height = height
        self.inter = inter

    """
    image : image to be preprocessed
    """
    def preprocess(self,image):
        # Get wdith and height of image
        (h, w) = image.shape[:2]
        dW = 0
        dH = 0

        # if width is the shorter dimension, resize image by width and crop height
        if w < h:
            image = imutils.resize(image, width=self.width,
                                   inter=self.inter)
            dH = int((image.shape[0] - self.height) / 2.0)

        # if height is the shorter dimension, resize image by height and crop width
        else:
            image = imutils.resize(image, height=self.height,
                               inter=self.inter)
            dW = int((image.shape[1] - self.width) / 2.0)

        # re-grab the width and height and use the deltas to crop the center of the image:
        (h, w) = image.shape[:2]
        image = image[dH:h - dH, dW:w - dW]

        # our image target image dimensions may be off by ± one pixel; therefore, we make a call to cv2.resize to 
        # ensure our output image has the desired width and height.
        return cv2.resize(image, (self.width, self.height),
                          interpolation=self.inter)

导入imutils
进口cv2
类AspectawareProcessor:
"""
承包商
witdh：所需宽度
高度：所需高度
inter：调整图像大小时使用的插值方法
"""
定义初始（自身、宽度、高度、内部=cv2.内部面积）：
self.width=宽度
自我高度=高度
self.inter=inter
"""
图像：要预处理的图像
"""
def预处理（自身、图像）：
#获取图像的宽度和高度
（h，w）=图像形状[：2]
dW=0
dH=0
#如果“宽度”是较短的尺寸，请按宽度和裁剪高度调整图像大小
如果w

您正在为网络提供一个错误形状的数组。
您的模型需要一个shape

（299299，3）

数组，但您给它一个shape

（229229，3）

（299，299，3）不是（229，229，3）

因此，您需要使用

（299，299，3）

形状重塑数据，或者需要更改InceptionV3的预期形状：

model = InceptionV3(include_top=False, input_shape=(229, 229, 3))

如果要指定输入形状而不是默认形状，则必须使用

include_top=False

---

希望我能帮助你

预先训练的模型只能接受特定的形状。你需要调整图片的大小。我建议您使用

PIL

from PIL import Image
import numpy as np

X_train = Image.fromarray(X_train).resize((299, 299))
X_train = np.array(X_train)

---

这是一个如何进行的示例。

您能说明如何定义批次大小吗？看来问题与此有关。@AdamB。我在上面更新了它。批量大小是32。嗨，你能解释一下尺寸是怎么错的吗。因为它们看起来一模一样。还包括_top=False，我只是在学习keras，在这个特定示例中，我没有尝试使用迁移学习。只需在我的数据集中从fresh中训练inceptionv3并进行分类。@Enzio

299

与

229

不同。我的意思是他们有点相似，但仍然不一样…这个答案是错误的

include_top

是更改输出类的数量，而不是图像形状。正如sxeros所说，仔细看，这不是相同的数字。Include_top=False意味着您将没有最后一个分类器，因此您需要创建自己的分类器。如果您只是想对数据进行培训，最简单的方法是将数据重新调整为（299，299，3）我更新了显示我调整图像大小的部分的代码。我的图像大小调整为

（299299,3）

，如上所示。我不明白。如果你的图像真的是

（299299,3）

，那么你就没有理由收到这个错误消息。如果是这样的形状，你就没有正确地调整它们的大小。在

preprocess

函数的

return

语句之前，编写

assert np.array（image.shape==（299299,3），“Error，图片形状为{}”。format（np.array（image.shape）

，并确保通过断言测试

from PIL import Image
import numpy as np

X_train = Image.fromarray(X_train).resize((299, 299))
X_train = np.array(X_train)