2

我正在使用flow_from_directoryin ImageDataGeneratorfromkeras来训练我的卷积神经网络。我从这个链接下载了 ILSVRC2012 图像，我正在尝试训练和验证我的网络。训练文件夹中有图像分类在相应的文件夹中，但验证图像没有分类到文件夹中，这不让我flow_from_directory用来测试验证的准确性。是否有任何简单的方法可以将验证数据分类到相应的文件夹中？

4

3 回答 3

3

我尝试使用下面的 git 代码链接。

         - https://raw.githubusercontent.com/soumith/imagenetloader.torch/master/valprep.sh

         - https://github.com/pytorch/examples/tree/master/imagenet

这个 shell 脚本对我有用，可以将验证目录转换为子目录，其中图像分类到相应的文件夹中。尝试将您的验证目录转换为相应的图像分类目录，并将子目录的父目录作为代码的输入。

谢谢

于 2018-06-15T06:47:22.297 回答
0

您可以使用库 mxnet 和 gluon 对各自文件夹中的 imagenet 验证数据进行分类。

请参阅https://gluon-cv.mxnet.io/build/examples_datasets/imagenet.html。

然后你可以使用 keras 验证数据生成器。

于 2018-06-15T02:07:18.920 回答
-1

我在两个类中进行微调，首先你需要在你的代码中创建类似的东西

path_directory = "../images/"

path_classes_name = ['class_0','class_2',...,'class_999'] 完整列表按顺序

image.ImageDataGenerator(rescale=0).flow_from_directory(path_directory, target_size=(244, 244), batch_size= 128, class_mode='categorical', shuffle=True,classes=path_classes_name)

在此之后，path_directory需要通过blog.keras来组织。Keras 将为您创造奇迹！

提示：不要忘记按顺序和synset名称（类似n04111531）创建文件夹！不是类的名称文字=]

于 2017-07-25T00:12:27.243 回答