为什么 keras 测试生成器只返回批量大小作为数组形状的长度？

Question

这是我的测试生成器代码：

test_generator=test_datagen.flow_from_dataframe(
                      dataframe=df_test,
                      directory=img_dir,
                      x_col="filename",
                      y_col="label",
                      batch_size=32,
                      seed=42,
                      shuffle=False,
                      class_mode="categorical",
                      target_size=(img_size,img_size))

为什么batch_size 参数在创建生成器后仍然很重要：

Found 229 validated image filenames belonging to 2 classes.

例如，生成器创建后数组的形状被限制为 32 - 批量大小：

x_test, y_test = test_generator.next()

这是x_test的形状，我假设这是包含实际图像数据的数组：

>>> print(x_test.shape)
(32, 224, 224, 3)

这是我将其与预测长度进行比较时的结果：

print(len(x_test))  #32
print(len(y_test))  #32
print(len(pred))    #229

由于y_test 的大小与预测大不相同，我很难进行任何类型的比较。 y_test 与批量大小设置为 32 的 test_generator 直接相关。

测试生成器标签似乎有正确数量的元素：

test_generator.labels

[0, 0, 0, 0, 1, 1, 0, 1, 1, 0, 1, 1, 0, 0, 0, 1, 0, 1, 0, 0, 0, 1, 0, 1, 1, 0, 0, 0, 1, 0, 0, 0, 1, 0........

那么为什么x_test的形状只有32呢？我显然错误地认为应该是229，因为有229个样本，229个标签？

非常感谢您的建议！

Answer 1

作为文档here 状态，生成器返回的是：

产生 (x, y) 元组的 DataFrameIterator，其中 x 是一个 numpy 数组，其中包含一批形状为 (batch_size, target_size, channels) 的图像，y 是一个对应标签的 numpy 数组。

所以，test_generator 是一个DataFrameIterator，每次调用它都会给你一批形状为(32, 224, 224, 3) 的图像。因此，您错误地认为它应该是 229，因为有 229 个样本。每次它会从 229 个样本中为您提供一批 32 个图像。