保存提取的特征以供将来训练深度学习的最佳方法
保存提取的特征以供将来训练深度学习的最佳方法
提问于 2020-09-16 06:28:57
我正在使用VGG19架构从我的图像中提取特征。下面是我这样做的代码：
model = VGG19(include_top=False)
image_paths = glob.glob('train/*/*')
def extract_features(model, path):
img_path = path
img = image.load_img(img_path, target_size=(224,224))
x = image.img_to_array(img)
x = np.expand_dims(x, axis=0)
x = preprocess_input(x)
features = model.predict(x)
for path in image_paths:
extract_features(model, path)我希望将每个功能保存为torch或tf格式，以便以后用于深度学习。通常，我只是将每个features附加到一个列表中，并将该列表保存为csv，但我遇到了将列表反馈到深度学习模型的问题。如何以正确的格式保存此数据？
回答 1
Stack Overflow用户
发布于 2020-10-27 15:20:02
我有两个建议：
按文件保存特征，例如对于cat.png，将其另存为cat.npy；在浏览文件列表(cat.png、dog.png、snake.png)时，首先检查特征是否已创建，然后直接加载.npy文件。
第二种方法是使用字典数据结构，其中使用样本的索引作为关键字，并将提取的特征作为值。示例：
index = 123
feature = extract_feature(...)
dictionary[index] = feature您可以将此词典保存到pickle。然后在下次加载它，并直接从字典中提取索引的特征。
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/63910662
复制相关文章
相似问题
腾讯云开发者
