我对图书馆不熟悉。我有图像数据集属于5类,数据集非常不平衡。
我使用tensorflow flow.from目录函数加载图像,并使用smote函数进行重采样。
img_height, img_width = 224,224
# the no. imgaes to load at each iteration
batch_size = 32
# only rescaling
train_datagen = ImageDataGenerator(
rescale=1./255,
zoom_range=0.2,
horizontal_flip=True,
vert
使用Python3.6,TF 1.15,imblearn0.0 我有一个不平衡的数据集,3个类别,两个是偶数,一个是低。我正在尝试将SMOTE应用于数据集,然而,我正在使用目录中的流,我发现我应该可以使用next(train_generator)从数据生成器中获得X_train和y_train。 问题是我的生成器似乎只将一个类输出到y_train。如果我使用ravel,它会给我以下错误: Found 22089 images belonging to 3 classes.
Found 2136 images belonging to 3 classes.
Found 792 imag
遵循这教程,我尝试在我的自定义对象数据集上应用Keras的ImageDataGenerator预处理。以下是代码:
import numpy as np
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras.layers import Dense, Activation
from tensorflow.keras.optimizers import Adam
from tensorflow.keras.metrics import categorical_crossentropy
from tens
我试图将图像数据添加到Kaggle笔记本中,这样我就可以运行一个卷积神经网络,但是我在通过ImageDataGenerator进行这个操作时遇到了困难。这是我的Kaggle笔记本的链接
,这些是我的导入:
import numpy as np # linear algebra#
import pandas as pd # data processing, CSV file I/O (e.g. pd.read_csv)
from random import randint
from sklearn.utils import shuffle
from sklearn.preprocessing i
我已经使用Tensorflow用python/OpenCV训练了我的CNN模型,并成功地用它测试了图像。我现在正在尝试使用外部IP摄像头测试我的程序。我想我可以使用摄像头的IP地址来实现,但是我不知道如何在我的代码中修改它。以下是我的程序,任何帮助都是有用的:
from tensorflow.keras.preprocessing.image import ImageDataGenerator
from tensorflow.keras.preprocessing import image
from tensorflow.keras.optimizers import RMSprop
impo
所以,我根据人类的存在,给我的图像贴上"0“和"1”的标签。当我通过我所有的图像,并试图训练我的模型。我记错了。
import warnings
warnings.filterwarnings('ignore')
import tensorflow as to
import tensorflow.keras
from tensorflow.keras.preprocessing.image import ImageDataGenerator
from tensorflow.keras.callbacks impor
这个问题出现在我的jupyter笔记本上。
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
import utils
import os
%matplotlib inline
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Conv2D
#from keras.preprocessing.image import ImageDataGenerator
from tensorfl
我对tensorflow有意见。我想使用ImageDataGenerator,但是我收到了错误ModuleNotFoundError:没有名为'tf‘的模块。不知道是什么问题。我添加了这个tf.版本的来测试它是否工作,它显示了tensorflow的版本。
import tensorflow as tf
from tensorflow import keras
print(tf.__version__)
from tf.keras.preprocessing.image import ImageDataGenerator
当我运行这段代码时,我得到以下信息
我试图在keras中在同一脚本的多个运行之间获得可重复的结果,但每次迭代都得到不同的结果。我的代码如下所示:
import numpy as np
from numpy.random import seed
import random as rn
import os
seed_num = 1
os.environ['TF_CUDNN_DETERMINISTIC'] = '1'
os.environ['PYTHONHASHSEED'] = '1'
os.environ['TF_DETERMINISTIC_OPS']
## MODEL IMPORTING ##
import tensorflow
import pandas as pd
import numpy as np
import os
import keras
import random
import cv2
import math
import seaborn as sns
from sklearn.metrics import confusion_matrix
from sklearn.preprocessing import LabelBinarizer
from sklearn.model_selection import train_
I正在训练古吉拉特语光学字符识别模型。输入图像是字符图像。我上了37门课。总训练图像为22200张(每班600张),测试图像为5920张(每班160张)。我的输入图像大小为32x32。。
下面是我的代码:
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Conv2D
from tensorflow.keras.layers import MaxPooling2D
from tensorflow.keras.layers import Flatten
from tensorflo
这是对我的项目的描述:
Dataset1:更大的数据集,包含图像的二进制类。
Dataset2:包含与Dataset1非常相似的2类。我想要建立一个模型,利用从Dataset1学习转移学习的方法,在Dataset2中应用学习率较低的权重。
因此,我希望在dataset1上对整个dataset1进行培训,然后使用传输学习来细化dataset2的最后几层。我不想使用预先训练过的imagenet数据库。这是我正在使用的代码,我已经从其中保存了这些代码:
from tensorflow.keras.layers import Input, Lambda, Dense, Flatten
from ten
我正在尝试使用Keras进行语义分割,当尝试加载图像时,我使用flow_from_directory方法得到了这个错误。 Found 0 images belonging to 0 classes.
Found 0 images belonging to 0 classes. 这是我的代码。 from tensorflow.keras.applications.resnet50 import preprocess_input
from tensorflow.keras.preprocessing.image import ImageDataGenerator
data_generator
很长一段时间以来,我一直在尝试在tensorflow.keras.preprocessing.image.ImageGenerator函数中使用数据增强,但我看到的每个示例都会传入一个包含文件的目录。我的目标是使用tensorflow_datasets导入MNIST,然后将其传递给数据增强函数,但我还没有找到方法。
我愿意使用一个目录,如果它更容易,如果有人可以找到一个简单的方法来做,并成功地向我解释如何做到这一点。
请参阅下面的代码
谢谢你,麦克斯
import tensorflow as tf
import tensorflow_datasets as tfds
from tensorfl
我正在尝试通过tensorflow.keras来转移学习,但是有些事情并不成功。训练显示出一个很好的曲线(训练损失和验证损失很好地下降,validation_accuracy增加到90%)。到目前为止一切顺利。我的问题是,测试单个映像会导致选择一个完全不同的类。我做错了什么?我猜是在对单个图像的预处理中。但也许这是个错误的假设,而且我受过训练的VGG16真的很糟糕.
谢谢米希尔。代码如下
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
from tensor
我在用
Tensorflow 2.0
在遵循了从Tensorflow 1.14到Tensorflow 2.0的迁移指南之后,我从tensorflow.keras中导入了所有模块,而不仅仅是keras。但是下面的命令会给出属性错误-
from tensorflow.keras import backend as K
K.tensorflow_backend._get_available_gpus()
Output: AttributeError: module 'tensorflow_core.keras.backend' has no attribute 'tens
我试图训练一个DenseNet121模型的胸部X射线图像使用tensorflow.keras,并使用ImageDataGenerator进行增强。我有一些文件目录,其中包含指向图像的符号链接,我认为这些图片是以正确的格式设置的,用于ImageDataGenerator:
列车
正常异常Val
正常异常
但是,当我调用model.fit()时,它会抛出FileNotFoundError: [Errno 2] No such file or directory: '.\\Train\\Normal\\00017275_014.png',这是一个符号链接文件。.flow_from_d
我正在尝试设置我的训练、验证和测试数据,但遇到错误: Traceback (most recent call last):
line 28, in <module>
train_data_gen = train_image_generator.flow_from_directory(directory=data_directory,
, line 958, in flow_from_directory
return DirectoryIterator(
line 376, in __init__
super(DirectoryIterator, self).__init__(
,
import pandas as pd
from sklearn.preprocessing import MinMaxScaler
import os
from tensorflow.keras.preprocessing.image import ImageDataGenerator
from tensorflow.keras.layers import Flatten, Dropout, Conv2D, MaxPool2D
from tensorflow.keras.layers import Dense
from tensorflow.keras.models import Seque
运行在木星实验室环境下训练我的CNN在坦索弗洛:
history = model.fit(
train_generator,
steps_per_epoch=3,
epochs=5,
verbose = 1,
当我运行我的算法时,我得到一个'OOM when allocating tensor with shape'。
据我所知,这意味着我没有耗尽足够的GPU内存。如何与木星上的服务器连接以访问更多内存以运行我的训练NN?
我使用以下包和代码加载映像:
from tensorflow.keras.preproce
在这里,我想将增强图片保存到一个没有使用下面代码的directory.but中,我是.Please Help.Thanks的初学者。
import tensorflow as tf
import matplotlib.pyplot as plt
import os
import cv2
import numpy as np
from tensorflow.keras.preprocessing.image import ImageDataGenerator
from tensorflow.keras.preprocessing import image
train_datagen = Ima
我正尝试在colab.research页面中运行我的神经网络,但在这一行仍然收到错误AttributeError: module 'tensorflow' has no attribute 'optimizers':
opt = tensorflow.optimizers.RMSprop(learning_rate=0.00001, decay=1e-6)
我从代码中导入的部分:
import tensorflow
from tensorflow.keras.preprocessing.image import ImageDataGenerator
from t