1回答
我刚接触过keras，在测试了一些带有mnist图像的教程之后，我想用我自己的数据集进行培训。数据是从0到9的数字的.png图像.我将它们分成10个类，每个类分别包含100个数字的.png图像(因此，一个文件夹为0，一个文件夹为1，一个文件夹为2等等)。现在，我想知道如何用python加载图像，以便keras使用它们？
浏览 4提问于2017-10-06得票数 1
回答已采纳
我正在尝试使用Keras ImageDataGenerator使用大型立体数据集来训练我的模型。对于小数据集，这很容易，因为我可以将两个子数据集上传到内存中，并将图像的连接处理为ndarray。但是使用ImageDataGenerator就不一样了，因为我必须确保它从两个子数据集中获取相同的批次，并且能够在将输入传递给我的模型之前处理连接。受此post的启发，我尝
浏览 15提问于2019-05-07得票数 0
回答已采纳
1回答
如何从磁盘批量训练数据？
、、、
我正在研究一个用于图像分类的卷积神经网络。训练数据集太大，无法加载到我的计算机内存(4gb)，在此基础上，我还需要尝试一些增强，以平衡类。我不知道如何实现这一点。
浏览 0提问于2018-02-01得票数 9
回答已采纳
更新:见下面新的一节。很明显有些地方不对劲。我是误解了evaluate_generator的结果，还是没有正确地做predict_classes？：在MatiasValdene格罗的帮助下，我用我的代码修复了一些bug。evaluate_
浏览 0提问于2018-04-08得票数 1
回答已采纳
3回答
我正在尝试使用训练一个用于图像分类模型的keras ResNet50模型。我不想使用内置的数据生成器，而是使用库进行增强。from albumentations import Compose我已经读了一些文章，但我不知道如何实现albumentations我在删除不必要的行后重现下面的代码。LOSS_METRICS)
from keras.applications.resnet50 import pre
浏览 9提问于2021-05-03得票数 0
我正在寻找在Keras中训练大于内存的数据的最佳方法，目前注意到普通的ImageDataGenerator往往比我希望的要慢。我在Kaggle猫与狗的数据集(25000张图片)上进行了两个网络训练：2)与(1)相同，但使用ImageDataGenerator而不是将数据加载到内存中对于网络1，每个
浏览 4提问于2016-12-10得票数 8
我正在尝试在自定义的大型数据集上构建暹罗神经网络和
Keras具有ImageDataGenerator，这使得向regular神经网络生成输入数据非常容易。我很感兴趣地使用ImageDataGenerator或类似的方法来训练具有2个(siamese)和3个(triple)输入的网络。在分布式处理程序设计执行程序( )中，由create_pairs方法完成的预处理阶段所产生的输入。我不认为这种方式
浏览 4提问于2017-01-13得票数 11
回答已采纳
我使用Keras功能ImageDataGenerator()生成培训和验证数据集。我试图了解这个函数在内部做什么.这个函数执行的预处理步骤是什么？在哪里可以找到这个函数的源代码？
浏览 2提问于2017-12-13得票数 0
回答已采纳
2回答
我正在准备学习相当大的神经网络(fc，conv，pool等)。在Keras中有数百万张小图像(~100×100 px，每个通道3个)。所有文件将在~800 GB左右，这是我的问题。我该如何处理数据？我知道Keras可以处理批处理，但是学习使用100个文件、8GB或创建~300 k文件(在每个合并的32或64图像中)更好吗？我认为有更大的文件更好，读8次(8个大文件)比300 000次更快，但我不确定。
我有不到100 GB的<
浏览 4提问于2016-11-08得票数 0
回答已采纳
我正在尝试编写一个数据生成器，我想从Keras继承ImageDataGenerator对象。我们的目的是在我自己的生成器中使用Keras模块的一些图像预处理功能。from keras.preprocessing.image import ImageDataGenerator
不幸的是，我仍然试图理解超类是如何工作的和继承的，所以我很难调试我的代码
浏览 3提问于2017-09-16得票数 0
回答已采纳
train_datagen = ImageDataGenerator( shear_rangevalidation_data = validation_generator, 问题是，在我的训练数据集中我所有的图片都像下面的图片：训练结束后，当我想发送像下面这样的
浏览 0提问于2020-04-19得票数 0
回答已采纳
训练数据从两个.npy文件中读取。比方说，train_set被视为X，train_label被视为Y。因此，它不是多输入的情况。我的任务需要以不同的方式增强图像补丁。那么如何为不同的补丁定义不同的图像生成器呢？虽然可能有很多补丁，但我使用了3个补丁作为示例：数据生成= ImageDataGenerator(rotation_range=20)数据<
浏览 1提问于2017-10-18得票数 0
我刚刚在我的驱动器中下载了caltech256数据集，并希望将其加载到我的colab中，以便我可以使用它来训练我的模型。我该怎么做？还是有更好的方法？这就是我到目前为止所做的 from google.colab import drive
drive.mount('/content/gdrive') 然后 !Data_Clatech256/256_ObjectCategories.tar" -C "/conte
浏览 63提问于2021-08-24得票数 0
回答已采纳
让我们从一个包含1000个图像的文件夹开始。现在，如果我们不使用生成器，batch_size = 10和steps_per_epoch = 100，我们将使用每幅图片作为10 * 100 = 1000。因此，增加steps_per_epoche将(正确地)导致错误：
另一方面，使用生成器将
浏览 7提问于2021-05-19得票数 3
回答已采纳
克拉斯可以用来"“
教程演示了如何使用ImageDataGenerator扩充小型但平衡的数据集。有没有一种简单的方法可以使用这个生成器来增加一个严重不平衡的数据集，以便产生的生成的数据集是平衡的？
浏览 0提问于2017-01-14得票数 35
回答已采纳
1回答
将数据拆分成批处理
、、、
我想将我的训练数据、测试数据和验证数据分成批处理。我正在处理时尚MNIST数据集，并直接从keras.datasets访问它。我找到了下面提到的代码： trainbatches = ImageDataGenerator().flowfromdirectory(trainpath, targetsize=(224,224), classes= classname, batchsize=10 testbatches = Image
浏览 23提问于2020-04-04得票数 1
1回答
我已经使用ImageDataGenerator类及其来自Tensorflow Keras的flow_from_directory方法创建了Python图像数据生成器，如下所示。我想在单独的Python文件中执行图像预处理和模型构建，所以我必须保存这些生成器(train_generator、val_generator和test_generator对象)，然后将它们加载到模型构建文件中train_datagen = ImageDataGenerator(r
浏览 37提问于2021-11-10得票数 0
1回答
Python数据集最后一步的问题警告:tensorflow:输入的数据用完了；中断了培训。确保数据集或生成器至少可以生成steps_per_epoch * epochs批处理(在本例中是2000批)。在构建数据集时，可能需要使用repeat()函数。从keras.preprocessing.image导入ImageDataGenerator
train_datagen = ImageDataGenerator
浏览 3提问于2022-02-08得票数 0
云服务器
ICP备案
对象存储
云直播
腾讯会议
腾讯云开发者
