error al ejecutar el jupiter TransferLearning(VGG16).ipynb

[newtonPascal]

Buenos dias a todos siguiendo la linea del ejercicio que alex propone, ademas es muy interesante y se le agradece mucho compartir con nosotros. me sale el siguiente error cuando ejecuto el script

CREAR LA RED VGG16

cnn=modelo()

cnn.compile(loss='categorical_crossentropy', optimizer=optimizers.Adam(lr=lr), metrics=['accuracy'])

Alguien mas sabe la solucion? como dice el error el esta esperando shape (224, 224, 3) pero le estoy mandado shape (150, 150, 3)

gracias

El error es el siguiente cuando ejecuto toda la linea de cuaderno Found 999 images belonging to 3 classes. Found 2051 images belonging to 3 classes. Epoch 1/20

ValueError Traceback (most recent call last)

in 72 epochs=epocas, 73 validation_data=validacion_generador, ---> 74 validation_steps=validation_steps) 75 76 target_dir = './modelo/' ~\Anaconda3\envs\animales_tf\lib\site-packages\tensorflow_core\python\keras\engine\training.py in fit_generator(self, generator, steps_per_epoch, epochs, verbose, callbacks, validation_data, validation_steps, validation_freq, class_weight, max_queue_size, workers, use_multiprocessing, shuffle, initial_epoch) 1294 shuffle=shuffle, 1295 initial_epoch=initial_epoch, -> 1296 steps_name='steps_per_epoch') 1297 1298 def evaluate_generator(self, ~\Anaconda3\envs\animales_tf\lib\site-packages\tensorflow_core\python\keras\engine\training_generator.py in model_iteration(model, data, steps_per_epoch, epochs, verbose, callbacks, validation_data, validation_steps, validation_freq, class_weight, max_queue_size, workers, use_multiprocessing, shuffle, initial_epoch, mode, batch_size, steps_name, **kwargs) 263 264 is_deferred = not model._is_compiled --> 265 batch_outs = batch_function(*batch_data) 266 if not isinstance(batch_outs, list): 267 batch_outs = [batch_outs] ~\Anaconda3\envs\animales_tf\lib\site-packages\tensorflow_core\python\keras\engine\training.py in train_on_batch(self, x, y, sample_weight, class_weight, reset_metrics) 989 x, y, sample_weights = self._standardize_user_data( 990 x, y, sample_weight=sample_weight, class_weight=class_weight, --> 991 extract_tensors_from_dataset=True) 992 993 # If `self._distribution_strategy` is True, then we are in a replica context ~\Anaconda3\envs\animales_tf\lib\site-packages\tensorflow_core\python\keras\engine\training.py in _standardize_user_data(self, x, y, sample_weight, class_weight, batch_size, check_steps, steps_name, steps, validation_split, shuffle, extract_tensors_from_dataset) 2469 feed_input_shapes, 2470 check_batch_axis=False, # Don't enforce the batch size. -> 2471 exception_prefix='input') 2472 2473 # Get typespecs for the input data and sanitize it if necessary. ~\Anaconda3\envs\animales_tf\lib\site-packages\tensorflow_core\python\keras\engine\training_utils.py in standardize_input_data(data, names, shapes, check_batch_axis, exception_prefix) 570 ': expected ' + names[i] + ' to have shape ' + 571 str(shape) + ' but got array with shape ' + --> 572 str(data_shape)) 573 return data 574 ValueError: Error when checking input: expected input_1 to have shape (224, 224, 3) but got array with shape (150, 150, 3)

[esgomezhe]

Hola!, perdóna la demora, pero apenas descubro este vídeo y pues lastimosamente el autor no responde las dudas en cuanto a código, y más que esta desarrollado en una versión pasa de TF.

En cuanto a tu error el mismo lo dice, cuando pre procesamos nuestras imagenes las re-escalamos a un tamaño 150x150, pero la red VGG16 que ya esta pre-entrenada el re escalado es de 224x224, por lo tanto no nos aceptara nuestro re escalado, entonces solo cambia la altura y el ancho por 224 ambos, espero que mi respuesta sea de ayuda aunque algo tarde. Saludos!