Как работает DirectoryIterator Tensorflow? - PullRequest
Новая
       34

Как работает DirectoryIterator Tensorflow?

0 голосов
/ 21 октября 2019

Я привык использовать что-то вроде model.fix(train_data,train_labels, epochs=10), где я использую glob для чтения папки, полной изображений, в ОЗУ. Я хотел читать прямо с жесткого диска, как обучение происходит. Я нашел:

https://www.tensorflow.org/api_docs/python/tf/keras/preprocessing/image/DirectoryIterator

Только я не знаю, как именно это работает. Я искал интернет для большей помощи, чем связанная документация, но я не нашел никакой. У меня есть ярлыки и каталоги в DirectoryIterator. Я просто не знаю, как вставить DirectoryIterator в мою модель?

Код показывает, что я сделал до сих пор. Я также пытался использовать sess тензорного потока и кормить DirectoryIterator в качестве feed_dict. Код грязный, просто пробовал то и это. В коде я пытаюсь использовать fit_generator, чтобы соответствовать DirectoryIterator. 

import numpy as np
import pandas as pd
import tensorflow as tf
import tensorflow.keras as keras
import cv2 as ocv
import glob
import matplotlib.pyplot as plt
from tensorflow import image
import glob

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Conv2D, Flatten, Dropout, MaxPooling2D
from tensorflow.keras.preprocessing.image import ImageDataGenerator

# Plot inline
%matplotlib inline

# Load an color image in 1-colour 0-grayscale -1-bw
img = ocv.imread('C:/Users/ew/Documents/Python Scripts/Noodles/my.png',1)
RGB_im = ocv.cvtColor(img, ocv.COLOR_BGR2RGB)
img.shape
plt.imshow(RGB_im)

cv_img = []
for img in glob.glob("C:\\Users\\EW\\pictures\\Noodles\\Banana\\*.jpg"):
    cv_img.append(img)
    #n= ocv.imread(img)
    #cv_img.append(n)
print(cv_img[1])

image_data_generator = keras.preprocessing.image.ImageDataGenerator(featurewise_center=False,
                                       samplewise_center=False,
                                       featurewise_std_normalization=False,
                                       samplewise_std_normalization=False,
                                       zca_whitening=False, zca_epsilon=1e-06,
                                       rotation_range=0,
                                       width_shift_range=0.0,
                                       height_shift_range=0.0,
                                       brightness_range=None,
                                       shear_range=0.0,
                                       zoom_range=0.0,
                                       channel_shift_range=0.0,
                                       fill_mode='nearest',
                                       cval=0.0,
                                       horizontal_flip=False,
                                       vertical_flip=False,
                                       rescale=None,
                                       preprocessing_function=None,
                                       data_format='channels_last',
                                       validation_split=0.3,
#                                       interpolation_order=1,
                                       dtype='float32')

noodle_data = directory = "C:\\Users\\EW\\pictures\\Noodles\\"
image_set = keras.preprocessing.image.DirectoryIterator(directory,
    image_data_generator,
    target_size=(256, 256),
    color_mode='rgb',
    classes=None,
    class_mode='categorical',
    batch_size=32,
    shuffle=True,
    seed=None,
    data_format=None,
    save_to_dir=None,
    save_prefix='',
    save_format='png',
    follow_links=False,
    subset=None,
    interpolation='nearest',
    dtype=None)

model = Sequential()

#add model layers
model.add(Dense(10, activation='relu', input_shape=(256,256)))
model.add(Dense(10, activation='relu'))
model.add(Dense(1))

model.fit_generator(noodle_data , steps_per_epoch=16, validation_data=val_it, validation_steps=8)

---> 12 model.fit_generator(prawn_data , steps_per_epoch=16, validation_data=prawn_data, validation_steps=8)
AttributeError: 'str' object has no attribute 'shape'
...