如何使用 numpy 标记图像以进行训练

Question

我有自己的数据集，其中包含我想要标记的 2000 张图像。起初，我创建了包含标签（0 或 1）的 numpy 数组。例如，对于 image[0]，对应的标签是 label[0]。请注意，我不确定这是否是正确的标记方式。

model= VGG16(include_top=False, input_shape= (32,32,3))
model.summary()

model.compile(optimizer="Adam", loss="binary_crossentropy" , metrics=['accuracy'])
epochs = 10
history = model.fit(x=training_ds, y=training_lb , epochs=epochs, validation_data= (testing_ds, testing_lb) )

training_ds 包含所有形状为 (n,32,32,3) 的图像 training_lb 包含形状为 (n,1) 的标签

测试也一样。

运行代码后我得到错误，损失非常高，它没有学到任何东西。我的标签错了吗？

输出：

Answer 1

我认为您的准确度为 0，因为您的模型没有输出密集层。像这样使用它：

import tensorflow as tf

base_model= VGG16(include_top=False, input_shape= (32,32,3))

model = tf.keras.models.Sequential()
model.add(base_model)
model.add(tf.keras.layers.Flatten())
model.add(tf.keras.layers.Dropout(0.2))
model.add(tf.keras.layers.Dense(1, activation='sigmoid'))

而且我不认为你的标签有什么问题。但这非常耗时。相反，您可以创建两个不同的文件夹并将这些文件夹重命名为标签，即 1 和 0。然后将这些图像添加到特定文件夹中。然后使用 TensorFlow 的ImageDataGenerator 来加载它们。