我有一個帶有兩列的pandas數據框，其中一列具有圖像的路徑，另一列具有字符串類標簽。我還編寫了以下函數，這些函數從數據幀加載圖像，對其進行規范化并將類標簽轉換為一鍵矢量。def prepare_data(df): data_X, data_y = df.values[:,0], df.values[:,1] # Load images data_X = np.array([np.array(imread(fname)) for fname in data_X]) # Normalize input data_X = data_X / 255 - 0.5 # Prepare labels data_y = np.array([label2int[label] for label in data_y]) data_y = to_categorical(data_y) return data_X, data_y我想將此數據幀提供給Keras CNN，但整個數據集太大而無法立即加載到內存中。這個站點上的其他答案告訴我，為此，我應該使用Keras ImageDataGenerator，但是老實說，我不理解如何從文檔中做到這一點。將延遲加載的批次中的數據饋送到模型的最簡單方法是什么？如果它是ImageDataGenerator，如何創建一個ImageDataGenerator來對Dataframe進行初始化，并將批處理通過我的函數傳遞，以創建適當的numpy數組？以及如何使用ImageDataGenerator擬合模型？
2 回答
縹緲止盈
TA貢獻2041條經驗 獲得超4個贊
我是Keras的新手，所以請服食我的鹽。我認為您應該使用Keras ImageDataGenerator，尤其是該flow_from_dataframe選項，因為您說您擁有Pandas數據框。Flow_from_dataframe讀取數據框的cols以獲取文件名和標簽。
以下是一個示例片段。在網上查找教程。
train_datagen = ImageDataGenerator(horizontal_flip=True,
vertical_flip=False,
rescale=1/255.0)
train_generator = train_datagen.flow_from_dataframe(
dataframe=trainDataframe,
directory=imageDir,
x_col="file", # name of col in data frame that contains file names
y_col=y_col_list, # name of col with labels
has_ext=True,
batch_size=batch_size,
shuffle=True,
save_to_dir=saveDir,
target_size=(img_width,img_height),
color_mode='grayscale',
class_mode='categorical', # for classification task
interpolation='bilinear')
添加回答
舉報
0/150
提交
取消