fit_generator для автоэнкодеров дает странные результаты - PullRequest
Новая
       7

fit_generator для автоэнкодеров дает странные результаты

1 голос
/ 27 апреля 2019

Я использую функциональную версию модели keras для обучения сети автоэнкодеров и использую функцию model.fit () из keras следующим образом: 

model.fit(train_data, train_ground_truth_data, validation_data = (validation_data, validation_ground_truth_data), epochs=1000, batch_size=40, callbacks=callbacks)

Я смог тренировать модель таким образом. В это время я сразу конвертировал данные в тип данных float32, используя следующую команду: train_data = train_data.astype ('float32') / 255.

Поскольку у меня большой объем данных, из-за которого ОЗУ не хватает памяти при преобразовании в float32 , я решил преобразовать его в пакетном режиме и использовать fit_generator для обучения моей модели. Следующий код загружает изображение и его основную правду в пакетном режиме. 

 def imageLoader(data, ground_truth_data, batch_size):
        L = data.shape[0] # there are equal numbers of images in data and its ground_truth_data
        #this line is just to make the generator infinite, keras needs that    
        while True:
            batch_start = 0
            batch_end = batch_size

            while batch_start < L:
                limit = min(batch_end, L)
                #print(limit)
                X = data[batch_start:limit, :].astype('float32') / 255.         

                Y = ground_truth_data[batch_start:limit, :].astype('float32') / 255.

                yield (X,Y) #a tuple with two numpy arrays with batch_size samples

                batch_start += batch_size   
                batch_end += batch_size

Я использую следующую строку кода для обучения, используя функцию fit_generator из keras. 

model.fit_generator(imageLoader(train_data,train_ground_truth_data, batch_size), validation_data = imageLoader(validation_data, validation_ground_truth_data, batch_size), epochs=1000, steps_per_epoch = math.ceil(num_samples / batch_size), validation_steps = math.ceil(num_validation_samples / batch_size), callbacks=callbacks)

Я хотел проверить, что этот метод обучения с использованием fit_generator () будет работать так же, как функция fit (), я использовал небольшой набор данных и протестировал его, используя оба эти метода. Но проблема в том, что модель не тренируется, когда я использую fit_generator. Это было правильно, когда я использовал функцию model.fit_generator () с помощью функции imageLoader (). Потеря валидации и обучения постоянна после 2 эпох.

Разве это не правильный способ сделать это с помощью fit_generator ()?

...