keras model.predict_generator()没有返回正确的实例数
Keras是一个开源的深度学习框架，提供了方便易用的高级API，用于构建和训练神经网络模型。其中的model.predict_generator()方法用于使用生成器对模型进行预测。然而，如果model.predict_generator()没有返回正确的实例数，可能是由以下几个原因导致的：
- 数据生成器的长度不正确：
model.predict_generator()方法需要一个生成器作为输入，生成器应该能够按批次生成数据。如果生成器的长度不正确，即生成的数据量与模型期望的数据量不一致，就会导致返回的实例数不正确。可以通过检查生成器的长度是否正确来解决这个问题。 - 数据生成器的
steps参数设置不正确：model.predict_generator()方法还接受一个steps参数，用于指定生成器的迭代次数。如果steps参数设置不正确，即迭代次数与生成器生成的数据批次数不一致，也会导致返回的实例数不正确。可以通过调整steps参数来解决这个问题。 - 模型的输入数据格式不正确：
model.predict_generator()方法需要根据模型的输入数据格式来生成预测结果。如果输入数据的格式不正确，例如维度不匹配或数据类型不匹配，就会导致返回的实例数不正确。可以通过检查输入数据的格式是否与模型要求的格式一致来解决这个问题。 - 模型的输出结果处理不正确：
model.predict_generator()方法返回的是模型的预测结果，如果对返回结果进行了错误的处理，也会导致返回的实例数不正确。可以检查对返回结果的处理方式是否正确，例如是否正确解析了预测结果的维度和数据类型。
总结起来，要解决model.predict_generator()没有返回正确的实例数的问题，需要检查数据生成器的长度、steps参数设置、模型的输入数据格式以及对返回结果的处理方式是否正确。如果以上都没有问题，可能需要进一步检查模型的结构和参数设置是否正确。
相关·内容
我正在使用keras.preprocess.image.ImageDataGenerator.flow_from_directory生成图像批处理。然而，当我试图使用model.predict_generator来预测标签时，我不知道标签和对应的image_id。有人帮我吗？我的代码如下：
from keras.preprocess.image import ImageDataGenerator
from keras.applications.vgg19 import VGG19
base_model = VGG19(...)
data_gen = ImageDataGenerator(..
浏览 1提问于2017-11-02得票数 0
回答已采纳
我试着把图像分成10类。为了获得图像的概率，我在keras中使用了model.predict_generator()函数。这将仅返回预测值，而不返回相应的样本ID(在本例中为图像文件名)。
test_datagen = ImageDataGenerator(rescale=1./255)
validation_generator = test_datagen.flow_from_directory(
'/path/',
target_size=(256, 256),
batch_size=32,`
class_m
浏览 26提问于2016-07-23得票数 10
在过去的两个月里，我遇到了这个问题，它把我逼疯了，直到我意识到来自predict_generator的“概率”向量是错误的。
我使用的是keras 2，我有一个测试文件夹，其中包含图像的子目录(不一定数量相同)
然后导入我的模型，加载权重并执行以下操作：
from keras.applications import ResNet50
model = ResNet50(include_top=True, weights=None, input_shape=(3,224,224),classes=N)
model.load_weights(model_path)
probs1 = model.pr
浏览 3提问于2018-02-22得票数 1
我第一次接触Keras和我的测试数据集使用roc曲线来评估我的模型的质量(模型是使用functional api完成的，在我的代码片段中被标识为"model“)。 我计划使用ROC曲线(使用来自scikit learn的roc_curve )。 示例： fpr_keras, tpr_keras, thresholds_keras = roc_curve(y_true,y_scores) 为此，正如文档所述，我需要真正的二进制标签(示例中的y_true)和目标分数(示例中的y_scores)。 但是我不知道如何从测试ImageDataGenerator中获得所有真正的二进制标签(tes
浏览 22提问于2019-04-25得票数 0
我正在尝试实现一个自定义数据生成器，它使用pandas.read_csv从csv文件中读取数据块。我用model.predict_generator测试了它，但是返回的预测数比预期的少(在我的例子中，253457中有248192 )。
自定义生成器
class TestDataGenerator:
def __init__(self, directory, batch_size=1024):
self.directory = directory
self.batch_size = batch_size
self.chunk_size=10000
self.sa
浏览 0提问于2018-01-31得票数 5
我正在尝试预测keras (二进制分类)中的图像类别。模型的准确性很好，但似乎ImageDataGenerator会打乱输入图像，因此我无法将预测类与原始图像进行匹配。
datagen = ImageDataGenerator(rescale=1./255)
generator = datagen.flow_from_directory(
pred_data_dir,
target_size=(img_width, img_height),
batch_size=32,
class_mode=None,
shuf
浏览 1提问于2016-06-23得票数 9
当我初始化一个模型并将权重加载到一个模型时，输出的准确率为67%。
model.load_weights(path+'results/finetune_train_last_layer.h5')
batches = model.get_batches(path, shuffle=False, batch_size=128, class_mode=None)
preds = model.predict_generator(batches, batches.nb_sample)
matches = 0
for guess, ans in zip(np.argmax(preds,
浏览 2提问于2017-10-20得票数 1
回答已采纳
我有Keras模型，我想使用我的测试数据来评估它。当我使用keras model.evaluate_generator时，我会得到损失并返回acc，我可以打印准确率如下：
loss, acc = model.evaluate_generator(test_gen, steps=evaluation_steps)
print("\n%s: %.2f%%" % (model.metrics_names[1], acc * 100))
这导致了大约92%的结果。
由于我想要创建一个混淆矩阵(也可以看到我有多少假阳性和假阴性)，所以我将代码更改为：
predictions = mode
浏览 0提问于2019-03-15得票数 3
回答已采纳
我有一个用于图像分类的cnn模型，它使用sigmoid激活函数作为其最后一层
from keras import layers
from keras import models
model = models.Sequential()
model.add(layers.Conv2D(32, (3, 3), activation='relu',
input_shape=(1500, 1500, 3)))
..........
model.add(layers.Dense(1, activatio
浏览 1提问于2018-05-01得票数 2
我在flow_from_dataframe中使用keras的数据生成器。对于培训，它工作得很好，但是当在测试集中使用model.predict_generator时，我发现生成结果的排序与数据中"id“列的排序不同。
shuffle=False确实使生成器的排序保持一致，但它的排序与dataframe不同。我还为predict_generator函数尝试了不同的批处理大小和相应的正确步骤。(例如: batch_Size=1，steps=len(数据))
我如何确保为我的测试集预测的标签是以与我的dataframe "id“列相同的方式排序的？
浏览 0提问于2018-10-25得票数 0
回答已采纳
我正在关注的一个教程
我正在使用'ImageDataGenerator‘对象，并希望使用以下方法预测输出。
pred=model.predict_generator(test_generator,
steps=10,
verbose=1)
predicted_class_indices=np.argmax(pred,axis=1)
labels = (train_generator.class_indices)
labels = dict((v,k) for k,v in labels.items())
predictions = [labels[k] for k in predi
浏览 183提问于2020-05-18得票数 2
2回答
我在研究使用角星的分类系统。Keras通过检查哪个是最高的数字来分类标签。例如，如果输出为0.10.80.1，它将标签1归类为正确答案，因为它是0.8，这是最高的数字。
但是在二进制分类中，我得到了这个结果。
[0.642]
[0.996]
[0.976]
[0.302]
[0.963]
[0.115]
.
.
.
我认为Keras将其分类为:如果结果> 0.5，返回1
但这只是我的猜测，所以我想知道Keras是如何分类二进制结果的。
这是我用过的代码。
model = Sequential()
# Step 1 - Convolution
model.add(Con
浏览 2提问于2019-12-26得票数 0
回答已采纳
当我在我的model.predict_generator()上使用test_set (images)时，我得到了不同的预测，当我在同一个test_Set上使用mode.predict()时，我得到了一组不同的预测。
对于使用model.predict_generator，我按照以下步骤创建一个生成器：
Imagedatagenerator(这里没有参数)，并在shuffle = False.中使用了flow_from_directory
在训练模型时，不需要对images(normalization,zero-centering etc)进行增强或预处理。
我正在研究一个涉及狗
浏览 5提问于2017-07-15得票数 10
回答已采纳
此自定义Keras损失函数：
def thresholdLoss (actual, predicted):
rel = predicted / safeActual
relAbove = tf.greater(rel, 1.50)
relBelow = tf.less(rel, .50)
isOutsideThresh = tf.logical_or(relAbove, relBelow, name='outsideRange')
errCounts = tf.to_float(tf.count_nonzero(isOutsideThresh), name=
浏览 0提问于2017-11-22得票数 1
我刚刚完成了V3的训练，我试着测量训练数据集的准确性，特别是top-k的准确性。我从tensorflow.keras.metrics调用名为tensorflow.keras.metrics的函数，正确地对参数进行排序( (y_true, y_pred, k) )，但是我收到一个错误，它说目标(y_true)应该是一维的。然而，当我打印y_true的形状(如果我正确理解的话，这是目标)，我就得到了(9000,)，对我来说，这似乎是一维的。
这两个数组都有一个dtype = "float32"，因为我在线程中看到这会导致问题，但这不能解决我的问题。
import tensorflo
浏览 3提问于2020-05-20得票数 2
回答已采纳
我正在使用一个经过预先训练的VGG16模型对Google‘using上的10万张图像进行分类。我不确定要为不同的参数选择哪些值来优化Keras‘model.predict_generator和flow_from_dataframe的运行时。似乎没有太多的文档。我尝试用‘只有’~10000个映像来改变测试运行中的队列大小和工作人员数量，但在运行时没有观察到任何显著的变化。
下面提供了一个代码片段。熊猫的数据文件包含了安装驱动器上所有图像的文件位置，以及地面真相标签。该模型是一个现有的VGG16预训练网络。(以后我想比较一下这个网络的性能和我自己的网络。)关于什么时候使用什么设置(batch si
浏览 1提问于2020-09-01得票数 0
回答已采纳
我正在开发一个自动编码器集群某些组的图像。 input_images->...->bottleneck->...->output_images 我已经对自动编码器进行了校准，并保存了模型；一切都是在python3上使用keras.tensorflow开发的。 下一步是将自动编码器应用于大量图像，并根据瓶颈层中的余弦距离对它们进行聚类。哦，我刚刚意识到我不知道keras.tf中的语法，不知道如何在批处理上运行模型直到特定的层，而不是输出层。因此，问题是： 如何在特定的“瓶颈”层运行Model.predict_on_batch或Model.predict_generato
浏览 20提问于2019-09-11得票数 1
回答已采纳
我试图从我以前训练过的模型中移除顶层。这是我使用的代码：
import os
import h5py
import numpy as np
from keras.preprocessing.image import ImageDataGenerator
from keras.models import Sequential
from keras.layers import Convolution2D, MaxPooling2D, ZeroPadding2D
from keras.layers import Activation, Dropout, Flatten, Dense
# KERAS
浏览 1提问于2017-02-08得票数 0
回答已采纳
我正在尝试使用经过训练的Keras序列模型(GRU)来预测一些新的数据样本，但在创建时间序列生成器时遇到了一些问题。 在训练过程中，使用model.predict_generator()预测验证集，它使用由keras.preprocessing.sequence.TimeseriesGenerator() (link)创建的Python生成器作为输入。我想用一个新的测试集重复这个过程，结果发现TimeseriesGenerator()既需要数据也需要目标作为输入。但在本例中，我希望使用预测函数获得目标(即y_test)。 我的训练代码的简化版本如下所示： training_generator
浏览 24提问于2019-06-21得票数 1
回答已采纳
我试图通过使用数据增强来改进使用Xception作为预训练模型的传输学习模型的性能。目标是对狗品种进行分类。train_tensors和valid_tensors分别在numpy数组中包含训练和测试图像。
from keras.applications.xception import Xception
model = Xception(include_top = False, weights = "imagenet")
datagen = ImageDataGenerator(zoom_range=0.2,
h
浏览 2提问于2018-12-29得票数 0
回答已采纳
对于使用Keras的VGG 16，我尝试运行一个三类分类问题，代码如下：
import numpy as np
from keras.preprocessing.image import ImageDataGenerator
from keras.models import Sequential
from keras.layers import Dropout, Flatten, Dense
from keras import applications
from keras.optimizers import SGD
from keras import backend as K
K.set_i
浏览 0提问于2017-05-23得票数 0
我试图将预先下载的图像从我的数据集分类到“岩石”，“纸张”，“剪刀”分类，但我得到的输出作为数字。
我已经将“数据集”划分为“训练”文件夹，其中存在3个具有类别名称的文件夹。
是因为我没有使用卷积神经网络吗？
我不知道在这里该怎么办。
代码：
from keras.preprocessing.image import ImageDataGenerator
from keras.models import Sequential
from keras.layers import Dense, Flatten
import numpy as np
train_directory = 'D
浏览 0提问于2020-05-06得票数 0
回答已采纳
我正在调用model.predict_generator()方法来预测测试数据集。我的问题是如何检索测试的准确性？以下是我的代码行：
predictions = model.predict_generator(test_images, steps=3, verbose=0)
其中，test_iamges在predict_generator函数参数中具有通过调用ImageDataGenerator从本地磁盘检索的批处理数据。
如有任何指导，将不胜感激。
谢谢
浏览 0提问于2018-08-20得票数 6
回答已采纳
1回答
我正在尝试修改keras示例，以使用vgg16预训练模型进行三类分类。这是我的代码：
import numpy as np
from keras.preprocessing.image import ImageDataGenerator
from keras.models import Sequential
from keras.layers import Dropout, Flatten, Dense
from keras import applications
from keras.optimizers import SGD
from keras import backend as K
K
浏览 0提问于2017-04-29得票数 0
当我尝试做迁移学习的时候，我是tensorflow的一个新学习者。我遇到了一个价值错误。有人知道窃听器在哪里吗？此代码与VGG16的迁移学习有关。基本上，我只是创建了我自己的MLP层，并进行了微调。
import os
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Flatten, Dense, Dropout, ZeroPadding2D
from tensorflow.keras.layers import Convolution2D, MaxPooling2D
from
浏览 10提问于2022-09-20得票数 0
我正试着在我的CNN训练中使用生成器，但出于某些原因。但是，当我尝试运行model.predict_evaluator()时，每次执行它(我使用的是Jupyter Notebook)时，它都会给出不同的结果！相同的数据(存储在文件夹中)，相同的模型(我只是重新运行相同的单元格)
这个块运行得很好，每次我重新运行它时，它都会给出相同的指标
test_generator = test_datagen.flow_from_directory(
'keras_data/test',
batch_size = 1,
浏览 3提问于2021-04-17得票数 1
我在Keras中使用ImageDataGenerator训练了一个应用一些图像增强的模型，如下所示：
train_datagen = ImageDataGenerator(
rotation_range=60,
width_shift_range=0.1,
height_shift_range=0.1,
horizontal_flip=True)
train_datagen.fit(x_train)
history = model.fit_generator(
train_datagen.flow(x_train,
浏览 2提问于2017-09-23得票数 5
回答已采纳
我使用目录中的流来获取图像并创建一个生成器，然后在predict_generator中使用它来预测概率和类。问题是，当我两者都预测的时候，标签就会被洗牌，尽管我在任何地方都没有使用洗牌。如何将正确的类分配给正确的标签？下面是我的完整代码：
码
from __future__ import division
import numpy as np
from keras import applications
from keras.preprocessing.image import ImageDataGenerator
from keras.models import Sequential
fro
浏览 1提问于2017-12-19得票数 0
回答已采纳
我使用带有TensorFlow后端的keras进行二值图像分类(我使用sigmoid激活函数作为最后一层)。在我训练了模型后，我尝试使用predict_generator对一组新的412张图像进行预测： test_datagen = ImageDataGenerator(rescale = 1.0/255)
test_generator = test_datagen.flow_from_directory("E:\\Projects\\Images\\",
target_s
浏览 27提问于2019-02-27得票数 0
回答已采纳
1回答
我对Keras、神经网络和机器学习非常陌生，昨天才刚刚开始学习。我决定尝试预测用户将获得的一小时(0到23) (针对游戏和我自己生成的数据集)的体验。目前，我所做的预测似乎非常低，非常糟糕。我已经尝试了relu激活，它产生的预测都是零，根据一点研究，LeakyReLU。
这是到目前为止我拥有的预测模型的代码：
from keras.models import Sequential
from keras.layers import Dense
from keras.layers import LeakyReLU
import numpy
numpy.random.seed(7)
dataset
浏览 0提问于2018-11-15得票数 0
1回答
这个挑战的目标是实现一个数字低通滤波器。
您可以自由地实现任何类型的数字滤波器，但是无论产生什么结果，都必须通过下面的验证脚本。
下面是对验证脚本所期望的内容的一般描述：
当对滤波信号进行快速傅立叶变换时，滤波信号在任意频率桶上的幅值：。
如果输入信号的频率桶值小于-80 at，则输出信号桶只需在-80 at水平或以下。
在截止频率以下十年，在相应的频率桶中，与源信号幅值相差不应超过3dB。
在或超过截止频率时，在输入信号的对应频率桶处，必须至少比源信号幅度低3dB。
输出信号必须在时域内，并且与输入信号具有相同的采样数和采样率。
您不需要保留任何阶段信息或担心混叠。
输出信号必须只包含有限
浏览 0提问于2016-07-23得票数 5
1回答
我的目标：加载我的预训练模型并预测单个图像的概率。
我使用了keras 2.2.4、tensorflow 1.12和python 3.5。
我已经使用ImageDataGenerator()为测试和验证集训练了模型。然后，我使用了flow_from_directory()和fit_generator()。
当我想在另一个测试集中评估模型时，我使用ImageDataGenerator()和flow_from_directory()。model.predict_generator()给出了我想要的预测，没有问题。代码如下：
def evaluate_my_model(test_dir, BATC
浏览 1提问于2019-05-31得票数 0
我调用Keras predict_generator()如下：
bottleneck_features_train = model.predict_generator(train_gen, len(telemetry))
其中train_gen()的定义如下
def train_gen(): # ... yield (X, y)
X是一个具有形状的numpy数组(48,299,299，3)，y是一个具有形状(48，)的numpy数组。
我知道下面的错误。我该怎么办呢？
否则，指向工作示例的链接将有所帮助。我只找到了用于Keras 1或使用ImageDataGenerator.f
浏览 2提问于2017-03-28得票数 1
2回答
我正在尝试将TensorFlow数据集(从.csv文件中读取)提供给使用functional定义的多输入tf.keras模型。当我通过这些与标签压缩在一起的数据集时，训练效果很好。当我想要调用predict() (可能是在某个未标记的不同数据集上)时，它会抛出一个错误(在紧急执行和非紧急执行中)
下面是我当前的代码：
import tensorflow as tf
import numpy as np
tf.enable_eager_execution()
# Define model.
input_A = tf.keras.layers.Input(shape=(None, 5), na
浏览 93提问于2019-07-20得票数 2
回答已采纳
目前，我正试图效仿Keras中的温度预测(如F. Chollet的“用Python进行深度学习”一书第6.3章所述)。我在使用指定的生成器进行预测时遇到了一些问题。我的理解是，我应该使用model.predict_generator进行预测，但我不知道如何为该方法使用steps参数，以及如何为原始数据返回正确的“形状”预测。
理想情况下，我希望能够绘制测试集(索引300001直到结束)，并绘制对此测试集的预测(即与预测值相同长度的数组)。
一个示例(此处提供的数据集：)如下所示：
import numpy as np
# Read in data
fname = ('jena_cli
浏览 0提问于2019-08-02得票数 0
回答已采纳
1回答
我有一组100x100图像，以及一个与输入的大小相对应的输出数组(即长度为10000)，其中每个元素可以是1或0。
我试图用TensorFlow/Keras编写一个python程序来训练CNN关于这些数据，但是，我不知道如何设置处理它的层，或者要使用的网络类型。
目前，我正在做以下工作(基于TensorFlow教程)：
model = keras.Sequential([
keras.layers.Flatten(input_shape=(100, 100)),
keras.layers.Dense(128, activation=tf.nn.relu),
keras.
浏览 0提问于2018-08-24得票数 0
回答已采纳
我是keras的新手。现在，我将用我使用model.fit_generator训练的模型来预测测试图像组。我能用model.predict吗？不知道如何使用model.predict_generator。而文献表明，这两种方法的结果不同，哪一种更好？
非常感谢!
datagen = ImageDataGenerator(
enter code here`rotation_range=
...
zoom_range = 0.05)
model = Sequential()
model.add
...
model.fit_generator(datagen.fl
浏览 0提问于2018-02-06得票数 0
回答已采纳
我试图使用VGG16建立分类模型，但在项目结束时，我在获取混淆矩阵时遇到了错误。下面是代码，
导入的包和模块是：
import os
import keras
import numpy as np
import tensorflow as tf
from keras.models import Model
import matplotlib.pyplot as plt
from keras.optimizers import Adam
from keras.applications import MobileNet
from sklearn.metrics import confusion_m
浏览 20提问于2021-01-10得票数 2
回答已采纳
使用Fortran 90中的FFTPACK5.1有一个问题，它包含计算离散傅里叶变换的子程序。我设法安装它并使用例程，但是当我检查一个简单的正弦波和一个频率A时，我得到了一个非零系数，不是在A(在频率空间，在频谱中)，而是在2A。光谱发生了变化，我不明白为什么。我几乎可以肯定(但我有疑问)，我正确地计算了频率轴步骤：
当N是我原来正弦波的点数，并且我的采样频率计算频率轴步长为df(i)= Fech (i-1)/N。
我正在使用rfft1f例程，所以如果有人对它有经验，并且知道我的问题，我会非常了解这里的问题。
这是我的代码：
! n: number of samples in the disc
浏览 14提问于2015-02-04得票数 2
回答已采纳
1回答
我有这段代码，它使用Keras 2.0.1和它的生成器通过执行深度学习来进行图像识别。这段代码目前可以很好地处理1500张图片，但当我开始使用50k图片对其进行评估时，我得到了内存问题。我使用目录中的flow读取图片，使用predict_generator获取预测和概率。下面是我得到的错误和我正在使用的代码：
错误：
2018-01-08 12:28:49.940361: E tensorflow/stream_executor/cuda/cuda_driver.cc:955] failed to alloc 17179869184 bytes on host: CUDA_ERROR_OUT_
浏览 0提问于2018-01-08得票数 0
回答已采纳
1回答
寻找合适的CNN模型结构和参数
、、、、
我目前正在创建一个CNN模型，对字体是否为Arial、Verdana、Times New Roman和Georgia进行分类。总之，还有16类，因为我还考虑过检测字体是regular、bold、italics还是bold italics。所以4 fonts * 4 styles = 16 classes。
我在培训中使用的数据如下：
Training data set : 800 image patches of 256 * 256 dimension (50 for each class)
Validation data set : 320 image patches of 256 *
浏览 0提问于2020-02-16得票数 1
1回答
我目前正在创建一个CNN模型，对字体是否为Arial、Verdana、Times New Roman和Georgia进行分类。总而言之，因为我也考虑过检测字体是regular、bold、italics还是bold italics，所以有一些16类。所以4 fonts * 4 styles = 16 classes。
我在训练中使用的数据如下：
Training data set : 800 image patches of 256 * 256 dimension (50 for each class)
Validation data set : 320 image patches of 2
浏览 0提问于2020-02-16得票数 1
1回答
我正在尝试从TF2数据集中训练一个自定义的单词嵌入。我的文本已经被编码为整数，我的模型在示例数据集(即从加载的数据集)上工作得很好。但是，当我从(批)数据集中输入我的张量时，模型无法开始使用ValueError: No gradients provided for any variable: ['embed/embeddings:0', 'relu/kernel:0', 'relu/bias:0', 'out/kernel:0', 'out/bias:0'].进行训练。
不知道为什么会发生这种事。导致相同错误的类似
浏览 1提问于2020-07-03得票数 1
回答已采纳
我正在处理一个包含15个类的胸部X光图像数据集。图像文件名保留在带有某些非图像值的CSV文件中。图像数据集分为训练、测试、验证三部分。我使用imagedatagenerator来增强图像。 |---------------------|------------------|---------------|
| Image Index | Patient Gender | View Position |
|---------------------|------------------|---------------|
| 00008236_001.png |
浏览 33提问于2020-07-14得票数 0
当试图获取ConvNet的混淆矩阵时，总是会得到相同的错误。
from keras.preprocessing.image import ImageDataGenerator
from keras.models import Sequential
from keras.layers import Conv2D, MaxPooling2D
from keras.layers import Activation, Dropout, Flatten, Dense
from keras import backend as K
import numpy as np
from keras.preproce
浏览 2提问于2020-05-30得票数 1
我使用ImageDataGenerator生成新的增强图像，并从预先训练的模型中提取瓶颈特征，但我在keras样本上看到的大多数教程与目录中的图像数量相同。
train_generator = train_datagen.flow_from_directory(
train_path,
target_size=image_size,
shuffle = "false",
class_mode='categorical',
浏览 0提问于2018-05-29得票数 1
test_batches = ImageDataGenerator(
preprocessing_function=preprocess_input
).flow_from_directory(test_path,target_size=(224,224),batch_size=1,class_mode=None,shuffle = "false")
prediction = model.predict_generator(test_batches, steps=1, verbose=1)
np.argmax(prediction)
在这里，我使用step_size=1
浏览 2提问于2018-04-23得票数 3
回答已采纳
我很难在斯坦建立一个层次的多项处理树。作为一个起点，我试图在这里添加一个简单模型的层次结构：
我不知道为什么密码不起作用。任何帮助都将不胜感激。
示例数据(基于Julia语法)：
Nsub = 2
Ntrials = 100
FCat = [20 60 20;30 50 20]
data {
// Number of subjects
int<lower=1> Nsub;
// Number of Trials
int<lower=1> Ntrials;
// Data
int<lower=0,upper=Ntri
浏览 3提问于2015-11-01得票数 1
回答已采纳
我正试图建立一个CNN模型来识别使用杜柏林的人类素描。我下载了png压缩文件，将数据导入Google，然后将数据拆分到火车测试文件夹中。以下是模型：
model = tf.keras.models.Sequential([
tf.keras.layers.Conv2D(filters = 64, kernel_size = (5,5),padding = 'Same',
activation ='relu', input_shape = target_dims),
tf.keras.layers.Conv2D(
浏览 12提问于2020-05-14得票数 13
回答已采纳
我在试着做8级分类。以下是代码：
import keras
import numpy as np
from keras.preprocessing.image import ImageDataGenerator
from keras.models import Sequential
from keras.layers import Dropout, Flatten, Dense
from keras import applications
from keras.optimizers import SGD
from keras import backend as K
K.set_image_di
浏览 1提问于2017-05-25得票数 16
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
云直播
对象存储活动推荐
腾讯云开发者
