当您的输入不包含在图像中时，您如何在 keras 中 flow_from_directory？

【问题标题】：How do you flow_from_directory in keras when your input does not consist in images?当您的输入不包含在图像中时，您如何在 keras 中 flow_from_directory？
【发布时间】：2020-11-27 18:57:07
【问题描述】：

是否有与flow_from_directory 等效的适用于非图像数据的方法？更准确地说，我将我的数据保存为一个由 numpy 数组组成的泡菜文件。数据已经是我训练网络所需的格式；有没有办法通过读取泡菜文件的每一行向量来拟合我的模型？或者，将我的行向量保存为单个泡菜文件（或其他格式）并拟合模型逐个读取它们？

【问题讨论】：

标签： python keras pickle

【解决方案1】：

是的，你可以在 keras 中使用 Generators 来解决这个问题。

def Generator(File_address, Batch_Size):
    while True:
      pickle_data = []
      with (open("myfile", "rb")) as openfile: #Read pickle file. this is a sample. you can use your way to read the pickle file.
          while True:
              pickle_data.append(pickle.load(File_address))
      
      for B in range(0, len(pickle_data), Batch_Size):
          X = pickle_data[B:B+Batch_Size]
          Y = Labels[B:B+Batch_Size] #Define your labels
          yield X, Y #Returning data for training.

现在您可以使用您的生成器了：

train_gen = Generator('Address_to_pickle_file', Batch_Size)

Model.fit(train_gen, epochs=epoch, steps_per_epoch=Number_of_sampels//Batch_Size)

希望这会很有用。祝你好运。

【讨论】：