我正在尝试通过为cifar
数据集建立分类器来使自己熟悉神经网络。我决定从tflearn
存储库中举一个例子,但是我遇到了麻烦。
有一些注意事项:
我正在使用Jupyter
笔记本测试我的模型。
我正在使用https://www.cs.toronto.edu/~kriz/cifar.html上的Cifar
数据集。每个图像都是一个形状为[3072]的阵列(将其展平为单个阵列)
版本:Python 3.5,Tensorflow 0.10,TFLearn 0.2.1
import tflearn
from tflearn.data_utils import shuffle, to_categorical
from tflearn.layers.core import input_data, dropout, fully_connected
from tflearn.layers.conv import conv_2d, max_pool_2d
from tflearn.layers.estimator import regression
(X, Y), (X_test, Y_test) = (raw_train_data, raw_train_labels), \
(raw_test_data, raw_test_labels)
X, Y = shuffle(X, Y)
Y = to_categorical(Y, 10)
Y_test = to_categorical(Y_test, 10)
# X, X_test = tf.reshape(X, [-1, 32, 32, 3]), tf.reshape(X_test, [-1, 32, 32, 3])
# Convolutional network building
network = input_data(shape=[None, 32, 32, 3],
data_preprocessing=img_prep,
data_augmentation=img_aug)
network = conv_2d(network, 32, 3, activation='relu')
network = max_pool_2d(network, 2)
network = conv_2d(network, 64, 3, activation='relu')
network = conv_2d(network, 64, 3, activation='relu')
network = max_pool_2d(network, 2)
network = fully_connected(network, 512, activation='relu')
network = dropout(network, 0.5)
network = fully_connected(network, 10, activation='softmax')
network = regression(network, optimizer='adam',
loss='categorical_crossentropy',
learning_rate=0.01)
model = tflearn.DNN(network, tensorboard_verbose=0)
model.fit(X, Y, n_epoch=2, shuffle=False, validation_set=(X_test, Y_test),
show_metric=False, batch_size=50, run_id='cifar10_cnn')
我在第一次运行时遇到以下异常:
线程Thread-17中的异常:
ValueError: Input must be >= 2-d
。当我重新运行笔记本而不重置内核时,我的错误消息变为:
IndexError: list index out of range
最后,当我尝试使用Tensorflow重塑数据时:
TypeError: 'Tensor' object is not iterable
。 最佳答案
我觉得这是您的tf和tf-learn安装问题。
我强烈建议您重新安装tensorflow和tflearn(不确定Jupyter使用的是什么)
因为我刚刚使用virtualenv进行了全新安装。一切都像从.py文件的终端运行的魅力一样。
您能否指出Jupyter笔记本电脑,以便我看一下tf和tf-learn的版本?
这是代码的修改后的版本(带有您的参数):
我使用convnet示例here作为基础。
https://gist.github.com/hakanu/1cc91000548978e0245a901e565040d1
关于python - TFLearn CovNet示例导致CIFAR-10错误,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/40200311/