【发布时间】：2019-07-08 10:40:29
【问题描述】：
我们正在使用 TensorFlow.js 来创建和训练模型。我们使用 tf.fromPixels() 函数将图像转换为张量。 我们想创建一个具有以下属性的自定义模型：
AddImage(HTML_Image_Element, 'Label')：添加带有自定义标签的 imageElement Train() / fit() ：使用相关标签训练此自定义模型 Predict()：预测带有相关标签的图像，它将返回带有每个图像附加标签的预测响应。 为了更好地理解，让我们举个例子： 假设我们有三个用于预测的图像，即：img1、img2、img3，分别具有三个标签“A”、“B”和“C”。 所以我们想用这些图像和各自的标签来创建和训练我们的模型，如下所示： 当用户想要预测“img1”时，它会显示预测“A”，类似地，“img2”用“B”预测，“img3”用“C”预测
请向我建议我们如何创建和训练这个模型。
This is webpage we used to create a model with images and its associate labels:
<apex:page id="PageId" showheader="false">
<head>
<title>Image Classifier with TensorFlowJS</title>
<script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@0.11.2"></script>
<script src="https://ajax.googleapis.com/ajax/libs/jquery/2.1.1/jquery.min.js"></script>
</head>
<div id="output_field"></div>
<img id="imgshow" src="{!$Resource.cat}" crossorigin="anonymous" width="400" height="300" />
<script>
async function learnlinear(){
//img data set
const imageHTML = document.getElementById('imgshow');
console.log('imageHTML::'+imageHTML.src);
//convert to tensor
const tensorImg = tf.fromPixels(imageHTML);
tensorImg.data().then(async function (stuffTensImg){
console.log('stuffTensImg::'+stuffTensImg.toString());
});
const model = tf.sequential();
model.add(tf.layers.conv2d({
kernelSize: 5,
filters: 20,
strides: 1,
activation: 'relu',
inputShape: [imageHTML.height, imageHTML.width, 3],
}));
model.add(tf.layers.maxPooling2d({
poolSize: [2, 2],
strides: [2, 2],
}));
model.add(tf.layers.flatten());
model.add(tf.layers.dropout(0.2));
// Two output values x and y
model.add(tf.layers.dense({
units: 2,
activation: 'tanh',
}));
// Use ADAM optimizer with learning rate of 0.0005 and MSE loss
model.compile({
optimizer: tf.train.adam(0.0005),
loss: 'meanSquaredError',
});
await model.fit(tensorImg, {epochs: 500});
model.predict(tensorImg).print();
}
learnlinear();
</script>
</apex:page>运行代码 sn-p 时出现以下错误： tfjs@0.11.2:1 Uncaught (in promise) 错误：检查输入时出错：预期 conv2d_Conv2D1_input 有 4 个维度。但得到了一个形状为 300,400,3 的数组 在新 t (tfjs@0.11.2:1) 在标准化输入数据 (tfjs@0.11.2:1) 在 t.standardizeUserData (tfjs@0.11.2:1) 在 t。 (tfjs@0.11.2:1) 在 n (tfjs@0.11.2:1) 在 Object.next (tfjs@0.11.2:1) 在 tfjs@0.11.2:1 在新的承诺 () 在 __awaiter$15 (tfjs@0.11.2:1) 在 t.fit (tfjs@0.11.2:1)
【问题讨论】：
-
您的错误信息非常直接。预期的张量是
4，但它收到了300,400,3的输入。只需将数据重塑为 4 维，如np.expand_dims(some-np-array, axis = 3)
标签： tensorflow keras image-recognition tensor tensorflow.js