【问题标题】:Using Keras, how can I input an X_train of images (more than a thousand images)?使用 Keras,我如何输入 X_train 图像(超过一千张图像)?
【发布时间】:2017-03-20 20:42:33
【问题描述】:

我的应用是使用机器学习(卷积神经网络)的事故避免汽车系统。我的图像是 200x100 JPG 图像,输出是一个包含 4 个元素的数组:汽车将向左、向右、停止或向前移动。所以输出将让一个元素为1(根据应采取的正确操作),其他3个元素为0。

我现在想训练我的机器,以帮助它输入任何图像并独立决定动作。这是我的代码:

from keras.models import Sequential
from keras.layers import Dense, Dropout, Activation, Flatten
from keras.layers import Convolution2D, MaxPooling2D
from keras.optimizers import SGD

import numpy as np

model = Sequential()

model.add(Convolution2D(16, 1, 1, border_mode='valid', dim_ordering='tf', input_shape=(200, 150, 1)))
model.add(Activation('relu'))
model.add(Convolution2D(16, 1, 1))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25)) #Cannot take float values

model.add(Convolution2D(32, 1, 1, border_mode='valid'))
model.add(Activation('relu'))
model.add(Convolution2D(32, 1, 1))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))

model.add(Flatten())
# Note: Keras does automatic shape inference.
model.add(Dense(256))
model.add(Activation('relu'))
model.add(Dropout(0.5))

model.add(Dense(10))
model.add(Activation('softmax'))

model.fit(X_train, Y_train, batch_size=32, nb_epoch=1)

如何输入我的图像(我的电脑上有它们)?以及如何指定 Y-train?

【问题讨论】:

标签: python machine-learning tensorflow keras conv-neural-network


【解决方案1】:

在此存储库中,您有一个示例:

https://github.com/ZFTurbo/KAGGLE_DISTRACTED_DRIVER/blob/master/run_keras_simple.py

它们有不同的文件夹,每个文件夹中都有不同类别的图像。他们使用 OpenCV 加载图像并构建包含每个图像的类的数组。

【讨论】:

    【解决方案2】:

    这篇 Keras 博客文章 Building powerful image classification models using very little data 是一个出色的教程,用于在存储在目录中的图像上训练模型。它还引入了ImageDataGenerator 类,该类具有@isaac-moore 的答案中引用的成员函数flow_from_directory。 flow from directory可用于train on images,其中目录结构用于推导出Y_train的值。

    教程博客文章附带的三个 python 脚本可以在以下链接中找到:

    1. classifier_from_little_data_script_1.py
    2. classifier_from_little_data_script_2.py
    3. classifier_from_little_data_script_3.py

    (当然,这些链接在博客文章本身中,但链接不在中心位置。)请注意,脚本 2 和 3 建立在前面的输出之上。另外请注意,需要从Kaggle 和Github 下载其他文件。

    【讨论】:

    • 感谢分享此链接,它帮助了我。
    【解决方案3】:

    为火车创建一个文件夹,并在该文件夹中为图像类创建单独的文件夹。

    使用

    访问图像
      train_generator = train_datagen.flow_from_directory(
        'data/train',
        target_size=(150, 150),
        batch_size=32,
        class_mode='binary')
    

    参考keras.io

    【讨论】:

    • 尝试提供格式正确、文档化和详细的答案。
    猜你喜欢
    • 2019-11-09
    • 1970-01-01
    • 2016-11-23
    • 1970-01-01
    • 2019-07-18
    • 2013-09-04
    • 1970-01-01
    • 2021-03-04
    • 2020-01-16
    相关资源
    最近更新 更多