图像作为keras的输入和输出

问题描述：

我想制作this image的模型。下面是相关代码：图像作为keras的输入和输出

base_model = VGG16(weights='imagenet') 
conv4_3, conv3_3, conv2_2, conv1_2 = base_model.get_layer('block4_conv3').output, 
    base_model.get_layer('block3_conv3').output, 
    base_model.get_layer('block2_conv2').output, 
    base_model.get_layer('block1_conv2').output 

# Use the output of the layers of VGG16 on x in the model 
conv1 = Convolution2D(256, 1, 1, border_mode='same')(BatchNormalization()(conv4_3)) 
conv1_scaled = resize(conv1, 56) 
. 
. 
. 
conv5 = Convolution2D(3, 3, 3, border_mode='same')(merge([ip_img, conv4], mode='sum')) 
op = Convolution2D(2, 3, 3, border_mode='same')(conv5) 

for layer in base_model.layers: 
    layer.trainable = False 

model = Model(input=base_model.input, output=op) 
model.compile(optimizer='sgd', loss=custom_loss_fn)

我有一堆彩色图像的目录中。输入图像应该是图像灰度三倍（224x224x3），op应该是图像的UV平面（224x224x2），我可以将它添加到灰度（224x224x1）以获取YUV图像。自定义损失函数适用于原始图像的UV和预测的UV。

我该如何训练它？

答

你不能拨打model.fit(data, labels)？（https://keras.io/models/model/#fit）

图像作为keras的输入和输出

相关推荐