用于神经网络的 ipynb 文件中的错误答案

【问题标题】：Error in ipynb file for neural net用于神经网络的 ipynb 文件中的错误
【发布时间】：2017-06-23 18:42:43
【问题描述】：

我是个菜鸟，所以请耐心等待。我一直在 youtube 上观看 Siraj Raval，并尝试使用他在此视频中创建的神经网络 https://www.youtube.com/watch?v=cAICT4Al5Ow。我有两个单独的图像文件夹，一个包含疟疾的细胞，另一个包含健康细胞。我不确定用什么来验证数据。在包含图像的路径上使用 load_datafunction 后出现错误，我不确定如何解决此问题。我使用的其中一个应该具有该功能的软件包似乎无法正常工作。

我已将每个单元格中的代码（我使用 jupyter notebook）复制到此文本文件中。文本之间的长空格是为了表明它们在不同的单元格中。我不知道这是否重要。

http://textuploader.com/d0nv0

【问题讨论】：

我再次删除了我的答案。您缺少“从解析器导入 load_data”，但这似乎是 Siraj 未提供的自定义模块。我有一个加载图像的项目。我会回来的

标签： python tensorflow neural-network deep-learning jupyter-notebook

【解决方案1】：

再次查看minute 2:45 你不见了

from parser import load_data

但这似乎是一个未提供的自定义模块。您想要的是将文件夹中的所有文件读入数组/列表。这是一个可以帮助您入门的代码：

import os
from PIL import Image
import cv2
images = []
images2 = []

folder="somepics"
for filename in os.listdir(folder):
    if not filename.startswith('.'):
        print(filename)

        #read with PIL
        img = Image.open("{0}/{1}".format(folder, filename))
        print(type(img))
        images.append(img)

        #read with cv2
        img2 = cv2.imread(filename)
        print(type(img2))
        images2.append(img)

请记住，图像需要具有相同的大小。您可能需要重塑它们。

【讨论】：

【解决方案2】：

你需要一个发电机。请参阅fit_generator function section documentation of Keras，或者最好使用ImageDataGenerator。下一段代码是从Building an image classification model using very little data复制粘贴的：

目录结构

data/
    train/
        dogs/ ### 1024 pictures
            dog001.jpg
            dog002.jpg
            ...
        cats/ ### 1024 pictures
            cat001.jpg
            cat002.jpg
            ...
    validation/
        dogs/ ### 416 pictures
            dog001.jpg
            dog002.jpg
            ...
        cats/ ### 416 pictures
            cat001.jpg
            cat002.jpg

代码

# used to rescale the pixel values from [0, 255] to [0, 1] interval
datagen = ImageDataGenerator(rescale=1./255)

# automagically retrieve images and their classes for train and validation sets
train_generator = datagen.flow_from_directory(
        train_data_dir,
        target_size=(img_width, img_height),
        batch_size=16,
        class_mode='binary')

validation_generator = datagen.flow_from_directory(
        validation_data_dir,
        target_size=(img_width, img_height),
        batch_size=32,
        class_mode='binary')

查看Building an image classification model using very little data中的原始代码。

【讨论】：