用BatchDataset和numpy数组的混合输入拟合keras模型
用BatchDataset和numpy数组的混合输入拟合keras模型
提问于 2021-04-18 17:02:18
我做了一个接受两个输入的模型。当我用两个numpy数组来拟合模型时，它可以工作。下面是一个例子：
model.fit(x=[image_input, other_features], y = y, epochs=epochs)但是，我的问题是，other_features是一个numpy数组，而image_input使用tf.keras.preprocessing.image_dataset_from_directory加载keras。我面临的问题是：
- 如何从
image_input中正确地给y？当我只使用一个输入image_input训练模型时，y被打包在其中，所以我不必在另一个y中指定它才能将BatchDataset与numpy.array放在一起？无论如何，当我这样做时，我收到了一个错误：
ValueError: Failed to find data adapter that can handle input: (<class 'list'> containing values of types {"<class 'tensorflow.python.data.ops.dataset_ops.BatchDataset'>", "<class 'numpy.ndarray'>"}), <class 'NoneType'>回答 1
Stack Overflow用户
回答已采纳
发布于 2021-04-19 12:56:59
好吧，我解决了。我会写详细的解决方案，因为我看到了类似的问题，多次发帖，没有答案。这是混合输入，解决方案是依赖自定义生成器。
第一步是制作自定义生成器。您必须返回输入+输出的列表/数据。I followed this link to make mine。下面是我的生成器的示例代码：
def generator(subset, batch_size=256):
i = 0
DIR = f"data/{subset}"
image_files = pd.read_csv(f"{DIR}.csv")
while True:
batch_x = [list(), list()] # I have two input: image + feature vector
batch_y = list() # output
for b in range(batch_size):
if i == len(image_files):
i = 0
filename = image_files.loc[i, "filename"]
label = image_files.loc[i, "Class"]
image_file_path = f'{DIR}/{label}/{filename}'
i += 1
image = cv2.imread(image_file_path, 0)
batch_x[0].append(image)
feat = get_feature_vector(filename)
batch_x[1].append(feat)
batch_y.append(one_hot(label))
batch_x[0] = np.array(batch_x[0]) # convert each list to array
batch_x[1] = np.array(batch_x[1])
batch_y = np.array(batch_y)
yield batch_x, batch_y然后，利用函数tensorflow建立模型。当您匹配数据时，使用所需的args调用生成器：
history = model.fit(generator('train'),
validation_data = generator('validate'))页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/67151256
复制相关文章
相似问题
腾讯云开发者
