Question

我正在尝试学习如何在此处看到的模型上实现自己的数据集：resnet ，这只是一个用keras编写的resnet模型。在代码中，他们写了这一行

(x_train, y_train), (x_test, y_test) = cifar10.load_data()

，然后使用相应的数据将“类向量转换为二进制类矩阵”。

y_train = keras.utils.to_categorical(y_train, num_classes)
y_test = keras.utils.to_categorical(y_test, num_classes)

，然后将这些值传递给构建模型的拟合函数：

model.fit(x_train, y_train,
          batch_size=batch_size,
          epochs=epochs,
          validation_data=(x_test, y_test),
          shuffle=True,
          callbacks=callbacks)

我相信我可以通过执行类似的操作来创建x_train（假设我有一个图像路径数组）：

#pseudocode
x_train = nparray
for image in images:
    im = PIL.Image.open(image).asNumpy() 
    x_train.append(im)

以上正确吗？

对于y_train，我不太了解正在传递给model.fit的内容，它是一个由一个热编码数组组成的数组吗？因此，如果我有3张图片包含；猫和狗，狗，猫分别将y_train设为

[
 [1, 1, 0],#cat and dog
 [0, 1, 0],#dog
 [1, 0, 0]#cat
]

还是我也误会了吗？

Answer 1

因此，model.fit()期望x_train作为特征，y_train作为特定分类问题的标签。我将考虑多类图像分类。

x_train：对于图像分类，此参数的形状为(num_images, width, height, num_channels )。 num_images是指训练批次中存在的图像数量。参见here。
y_train：标签是一键编码的。所需的形状为(num_images, num_classes )。

请注意，num_images在两个参数中都是相同的。您需要注意确保图像和标签的数量相等。

希望有帮助。

带有多标签分类的keras模型.fit

1 个答案: