Python 如何转换数据格式以用于VGG16深度学习

我正在准备训练和测试数据，这些数据将用于我使用VGG16的面部表情识别模型。经过一些研究，我已经知道所需的数据格式应该是（大小，2242243）。到目前为止，我得到了：

X_train_ (26859, 2304, 3)
y_train (26859,)
X_test (1044, 2304, 3)
y_test (1044,)

但当我试图通过

X_train.reshape((26859, 224, 224, 3))

我得到

ValueError: cannot reshape array of size 185649408 into shape (26859,224,224,3)

---

我认为我的y_训练和y_测试都很好，但我应该如何处理X_训练和X_测试以运行训练？我离目标很远吗？

要解决此问题，您应该首先使用

重塑
函数将数据转换为具有形状
（26859,48,48,3）
的张量，如下所示：

X_train.reshape((26859, 48, 48, 3))

之后，由于VGG16网络接受形状为
（size，224，224，3）
的张量，因此您应该使用零填充向训练和测试图像的边界插入额外的零，以增加它们的宽度和高度

对输入张量进行零填充的可用函数之一是
tf.keras.layers.ZeroPadding2D
。它是一个额外的层，将零填充应用于输入张量

有关ZeroPadding2D层的更多信息，请参阅其文档。
您的第一个问题是2304不是224平方，因此重塑的大小是wrong@Mike你有什么建议我做的吗？谢谢你，我对你的数据参数有点困惑。很明显，您有3个颜色通道，但26869和2304是什么？我假设其中一个是图像的数量，另一个是你照片的扁平版本的大小？@迈克：是的。我将这组数据与knn一起使用，之前需要48 x 48灰度。我想我可以在这些基础上重塑。
IMAGE_SIZE = [512, 512] # any image size 192, 224, 331, 512
# 512 works for TPU as GPU has memory limit
# Decode Function
def decode_image(image_data):
    image = tf.image.decode_jpeg(image_data, channels=3)
    image = tf.cast(image, tf.float32) / 255.0  # convert image to floats in [0, 1] range
    image = tf.reshape(image, [*IMAGE_SIZE, 3]) # size needed for TRAINING
    return image

# Now train with ant pretrained models
pretrained_model = tf.keras.applications.VGG16(weights='imagenet', include_top=False ,input_shape=[*IMAGE_SIZE, 3])
pretrained_model.trainable = False # False = transfer learning, True = fine-tuning