Python Theano/Lasagne/Nolearn神经网络图像输入

我正在从事图像分类任务，并决定使用Lasagne+Nolearn作为神经网络原型。 所有标准示例，如MNIST数字分类，都运行良好，但当我尝试处理自己的图像时，会出现问题

我想使用3通道图像，而不是灰度图像。 下面是我试图从图像中获取数组的代码：

 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)

以下是NN及其配件的代码：

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)

我收到的例外情况如下：

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

回溯（最近一次呼叫最后一次）：
文件“las_mnist.py”，第39行，在
net1.fit（X[i]，y[i]）
文件“/usr/local/lib/python2.7/dist packages/nolearn/lasagne.py”，第266行，适合
自循环列车（X，y）
文件“/usr/local/lib/python2.7/dist packages/nolearn/lasagne.py”，第273行，列车循环中
十、 y，自我评估（尺寸）
文件“/usr/local/lib/python2.7/dist packages/nolearn/lasagne.py”，第377行，列车内测试
kf=KFold（y形[0]，圆形（1./eval_尺寸））
索引器错误：元组索引超出范围

那么，您用哪种格式向网络“提供”图像数据？

---

谢谢你的回答或任何提示

我也在lasagne用户论坛上问过，Oliver Duerr在代码示例方面帮了我很多忙：

---

如果要进行分类，则需要修改以下几项：

在您的代码中，您已经设置了

回归=True

。要进行分类，请删除此行

如果要输入3个不同的通道，请确保您的输入形状与X的形状匹配

因为您正在进行分类，所以需要使用softmax非线性输出（目前您的身份无法帮助您进行分类）

)

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,