ValueError: Error when checking input: expected input_image_meta to have shape (None, 14) but got ar

在跑maskrcnn的时候出现以下错误:

Traceback (most recent call last):
  File "/home/ubuntu/DNN_Projection/Mask_RCNN--Training/samples/nucleus/nucleus.py", line 483, in <module>
    train(model, args.dataset, args.subset)
  File "/home/ubuntu/DNN_Projection/Mask_RCNN--Training/samples/nucleus/nucleus.py", line 285, in train
    layers='heads')
  File "/home/ubuntu/DNN_Projection/Mask_RCNN--Training/mrcnn/model.py", line 2375, in train
    use_multiprocessing=True,
  File "/home/ubuntu/anaconda3/envs/tensorflow1.3/lib/python3.6/site-packages/keras/legacy/interfaces.py", line 87, in wrapper
    return func(*args, **kwargs)
  File "/home/ubuntu/anaconda3/envs/tensorflow1.3/lib/python3.6/site-packages/keras/engine/training.py", line 2042, in fit_generator
    class_weight=class_weight)
  File "/home/ubuntu/anaconda3/envs/tensorflow1.3/lib/python3.6/site-packages/keras/engine/training.py", line 1756, in train_on_batch
    check_batch_axis=True)
  File "/home/ubuntu/anaconda3/envs/tensorflow1.3/lib/python3.6/site-packages/keras/engine/training.py", line 1378, in _standardize_user_data
    exception_prefix='input')
  File "/home/ubuntu/anaconda3/envs/tensorflow1.3/lib/python3.6/site-packages/keras/engine/training.py", line 144, in _standardize_input_data
    str(array.shape))
ValueError: Error when checking input: expected input_image_meta to have shape (None, 14) but got array with shape (1, 15)

出现该错误是因为我新增了一类,例:

        self.add_class("nucleus", 1, "RBC")
        self.add_class("nucleus", 2, "ELSE2")

解决办法是修改NUM_CLASSES参数,增加了多少类,就对应的修改对应数值

NUM_CLASSES = 1 + 1  

 

这个错误通常是由于输入的数据形状与模型期望的输入形状不匹配导致的。在这种情况下,模型期望的输入形状是 (12,),但是你给模型输入的数据形状是 (11,)。 你可以检查一下你的输入数据,看看是否确实有 12 个特征。如果你确定输入数据是正确的,那么你可能需要检查一下模型的输入层是否正确设置了输入形状。你可以使用 `input_shape` 参数来设置模型的输入形状,例如: ```python from keras.layers import Input, Dense from keras.models import Model # 定义输入层 inputs = Input(shape=(12,)) # 定义其他层 ... # 定义模型 model = Model(inputs=inputs, outputs=outputs) ``` 在这个例子中,我们通过 `Input` 函数定义了一个输入层,并且通过 `shape` 参数设置了输入形状为 (12,)。然后我们定义了其他层,并且通过 `inputs` 参数将输入层与其他层连接起来,构建了一个模型。 如果你已经设置了正确的输入形状,但是仍然遇到了这个错误,那么你可能需要检查一下输入数据的维度是否正确。你可以使用 `numpy` 库中的 `reshape` 函数来改变数据的形状,例如: ```python import numpy as np # 将数据变形为 (1, 11) 的形状 input_data = np.reshape(input_data, (1, 11)) # 使用模型进行预测 model.predict(input_data) ``` 在这个例子中,我们使用 `reshape` 函数将输入数据的形状改变为 (1, 11),使得它符合模型的输入形状。然后我们使用模型进行预测,这时就不会再出现上面的错误了。
评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

LoveWeeknd

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值