'int' Objekt hat kein Attribut __get__item Fehler beim Training Modell mit tflearn?

Question

Ich erhalte diesen Fehler, als ich versuchte, ein benutzerdefiniertes Graustufenbild-Dataset (mit nur 2 Bildern) mit dem Beispiel-Mnist-Code von tflearn zu trainieren. Die Bilder sind alle von unterschiedlicher Größe, im Bereich von (3000,3000) Höhe und Breite. Das ist mein Fehler:

Run id: convnet_images 
Log directory: /tmp/tflearn_logs/ 
Exception in thread Thread-14: 
Traceback (most recent call last): 
    File "/usr/lib/python2.7/threading.py", line 801, in __bootstrap_inner 
    self.run() 
    File "/usr/lib/python2.7/threading.py", line 754, in run 
    self.__target(*self.__args, **self.__kwargs) 
    File "/usr/local/lib/python2.7/dist-packages/tflearn/data_flow.py", line 186, in fill_feed_dict_queue 
    data = self.retrieve_data(batch_ids) 
    File "/usr/local/lib/python2.7/dist-packages/tflearn/data_flow.py", line 221, in retrieve_data 
    utils.slice_array(self.feed_dict[key], batch_ids) 
    File "/usr/local/lib/python2.7/dist-packages/tflearn/utils.py", line 187, in slice_array 
    return X[start] 
TypeError: 'int' object has no attribute '__getitem__' 

und dies ist mein Code:

import tensorflow as tf 
import tflearn 
from scipy.misc import imread 
import numpy as np 
np.set_printoptions(threshold=np.nan) 

image = imread('image.jpg') 
image2 = imread('image2.jpg') 

image3 = imread('image3.jpg') 
image4 = imread('image4.jpg') 

image = np.resize(image, (256, 256, 1)) 
image2 = np.resize(image2, (256, 256, 1)) 
image3 = np.resize(image3, (256, 256, 1)) 
image4 = np.resize(image4, (256, 256,1)) 

image_train = np.stack((image, image2), axis = 0) 
image_test = np.stack((image3, image4), axis = 0) 
# # build the neural net 
from tflearn.layers.core import input_data, dropout, fully_connected 
from tflearn.layers.conv import conv_2d, max_pool_2d 
from tflearn.layers.normalization import local_response_normalization 
from tflearn.layers.estimator import regression 

network = input_data(shape = [None, 256, 256, 1], name = 'input') 
network = conv_2d(network, 32, 3, activation = 'relu', regularizer = 'L2') 
network = max_pool_2d(network, 2) 
network = local_response_normalization(network) 
# network = conv_2d(network, 64, 3, activation = 'relu', regularizer = 'L2') 
# network = max_pool_2d(network, 2) 
# network = local_response_normalization(network) 
network = fully_connected(network, 128, activation = 'tanh') 
network = dropout(network, 0.8) 
network = fully_connected(network, 1, activation = 'softmax') 
network = regression(network, optimizer = 'adam', learning_rate = '0.001', name = 'target') 

#Training 
model = tflearn.DNN(network, tensorboard_verbose = 3) 
model.fit({'input': image_train}, {'target': 0}, n_epoch = 20, batch_size = 1, 
      validation_set = ({'input': image_test}, {'target': 0}), 
      snapshot_step = 100, show_metric = True, run_id = 'convnet_images') 

Ich vermute stark der Fehler kommt von der Tatsache, dass mein Graustufen- Pixelintensitätswert ein np.uint8 und keine np Array . Das heißt, wenn ich print type(image_train[0, 0, 0, 0]) gebe, die den Pixelwert gibt, ist es ein np.uint8, was wahrscheinlich bedeutet, dass der Code in tflearn nicht auf den Wert zugreifen kann, indem er einen Indexselektor verwendet __getitem__ (von dem, was ich bisher gelesen habe). Aber wie kann ich den Pixelwert zu einem np-Array machen? Ist np.resize der richtige Umgang mit Graustufenbildern? Im Idealfall sollte dies für farbige Bilder funktionieren, was bedeutet, dass die 4. Dimension - die Kanalpixelwerte von RGB - ein np-Array sein muss, das die 3 Pixelwerte enthält (und so verständlicherweise den tflearn-Code angefordert hat, um auf die Pixelwerte zuzugreifen) . __getitem__ Aber das ist meine Vermutung nur, ich bin immer noch nicht sicher, wie um dies zu realisieren

Answer 1

OP selbst beantwortet in einem Kommentar:

I have discovered an error in my code, that is my Y value isn't formatted as a 2 by 1 np array and is instead just a float. Upon fixing this error, the index error is now gone.