小编横尾修*_*尾修平的帖子

我使用 Keras2 和 TensorFlow 作为后端，并尝试将水平矩形图像（宽度：150 x 高度：100 x ch：3）输入网络。

我使用 cv2 来预处理图像，cv2 & TensorFlow 将图像的形状视为 [ height, width, ch ] 排序（在我的例子中，它是 [100, 150, 3]这种格式与(width:150 x height :100 x ch:3)，但这不是错误。）

所以我将 Keras 模型 API 输入定义为以下代码，但出现错误。

img = cv2.imread('input/train/{}.jpg'.format(id))
img = cv2.resize(img, (100, 150))

inputs = Input(shape=(100, 150, 3))
x = Conv2D(8, (3, 3), padding='same', kernel_initializer='he_normal')(inputs)
~~~

错误消息如下

ValueError: Error when checking input: expected input_4 to have shape
(None, 100, 150, 3) but got array with …

我使用hyperopt来搜索SVM分类器的最佳参数,但Hyperopt说最好的'内核'是'0'.{'kernel':'0'}显然不合适.

有谁知道这是由我的错误还是一袋hyperopt造成的？

代码如下.

from hyperopt import fmin, tpe, hp, rand
import numpy as np
from sklearn.metrics import accuracy_score
from sklearn import svm
from sklearn.cross_validation import StratifiedKFold

parameter_space_svc = {
   'C':hp.loguniform("C", np.log(1), np.log(100)),
   'kernel':hp.choice('kernel',['rbf','poly']),
   'gamma': hp.loguniform("gamma", np.log(0.001), np.log(0.1)),    
}

from sklearn import datasets
iris = datasets.load_digits()

train_data = iris.data
train_target = iris.target

count = 0

def function(args):
  print(args)
  score_avg = 0
  skf = StratifiedKFold(train_target, n_folds=3, shuffle=True, random_state=1)
  for train_idx, test_idx in skf:
    train_X = iris.data[train_idx]
    train_y = iris.target[train_idx]
    test_X = iris.data[test_idx] …