在 keras 中制作用于预测的自定义生成器答案

【问题标题】：Making a custom generator in keras for prediction在 keras 中制作用于预测的自定义生成器
【发布时间】：2018-04-04 02:57:20
【问题描述】：

我正在对包含约 100 万张图像的大型数据库进行预测。对于每个图像，我都有代码可以将图像分割成约 200 个较小的图像，并将它们作为 numpy 数组传递到 keras 中进行预测。

我想避免对硬盘进行不必要的读写，所以我不想保存所有这些较小的图像并使用 flow_from_directory。相反，我希望读取一张图片，用我现有的代码将其分割，然后将较小的图片作为一个批处理全部传递到我的网络中，然后对许多图片重复这个过程。

这是 Keras 可以处理的吗？如果是这样，我怀疑我需要制作自己的自定义生成器，但我不确定如何做到这一点，而且我找不到任何好的例子。有人有如何实现自定义生成器的示例吗？

【问题讨论】：

您是否需要生成器来进行训练或在训练结束时进行测试预测？
只是预测，训练已经完成。

标签： python keras generator

【解决方案1】：

试试这样的：

dpath='path to test folder'
ids=os.listdir(dpath+"test/")
for id in ids:
    x_batch=[]
    img = cv2.imread(dpath+'test/{}.jpg'.format(id))  #jpg if image in jpg format
    img = cv2.resize(img, (224, 224), interpolation = cv2.INTER_CUBIC) #if resize is needed

    chopped_image= your code that chops image
        x_batch.append(chopped_image)

    x_batch = np.array(x_batch, np.float32) 
    preds=(model.predict_on_batch(x_batch))
    if first==1:
        predsA=preds.copy()
        first=0
    else:
        predsA=np.append(predsA,preds,axis=0)

【讨论】：

是的，这行得通！它比我预期的要简单得多，所以显然我想多了。