如何格式化Keras上的训练输入和输出数据

Question

我是深度学习的新手，我在Keras上苦于某些数据格式。我的CNN基于A.Newell等人的Stacked Hourglass Networks for Human Pose Estimation。

在此网络上，输入为256x256 RGB图像，输出应为突出身体关节（肩，膝，...）的64x64热图。我设法建立了网络，并将所有数据（图像）与他们的注释（身体关节的像素标签）一起使用。我想知道如何格式化训练集的输入和输出数据来训练我的模型。目前我使用numpy数组（256,256,3）作为图像，我不知道如何格式化我的输出。我应该创建一个表[n，64,64,7]吗？ （n是训练集的大小，7是我用来获得7个关节的热图的滤波器的数量）

谢谢你的时间。

Answer 1

输出也可以是一个numpy数组。 考虑这个例子： 训练集：50张图像，大小为256x256x3。这可以组合成一个形状单一的numpy数组（50,256,256,3）。 格式化输出数据的类似方法。下面 示例代码：

#a, b and c are arrays of size 256x256x3 
    import numpy as np 

    temp = [] 
    temp.append(a) 
    temp.append(b) 
    temp.append(c) 
    output_labels = [] 
    output_labels = np.stack(temp) 

的output_labels阵列将形状（3x256x256x3）的。