À l'aide de Keras, comment puis-je entrer une X_train d'images (plus d'un millier d'images)?
Ma demande est d'évitement d'accidents de voiture les systèmes utilisant la Machine d'Apprentissage (Réseaux de Neurones à Convolution). Mes images sont 200x100 images JPG et la sortie est un tableau de 4 éléments: la voiture peut se déplacer à gauche, à droite, arrêter ou aller de l'avant. Donc à la sortie de laisser un élément 1
(en fonction de la bonne action qui doit être prise) et les 3 autres éléments seront 0
.
Je voudrais former ma machine maintenant, afin de l'aider entrée de toute image et de décider de l'action de façon indépendante. Voici mon code:
from keras.models import Sequential
from keras.layers import Dense, Dropout, Activation, Flatten
from keras.layers import Convolution2D, MaxPooling2D
from keras.optimizers import SGD
import numpy as np
model = Sequential()
model.add(Convolution2D(16, 1, 1, border_mode='valid', dim_ordering='tf', input_shape=(200, 150, 1)))
model.add(Activation('relu'))
model.add(Convolution2D(16, 1, 1))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25)) #Cannot take float values
model.add(Convolution2D(32, 1, 1, border_mode='valid'))
model.add(Activation('relu'))
model.add(Convolution2D(32, 1, 1))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(Flatten())
# Note: Keras does automatic shape inference.
model.add(Dense(256))
model.add(Activation('relu'))
model.add(Dropout(0.5))
model.add(Dense(10))
model.add(Activation('softmax'))
model.fit(X_train, Y_train, batch_size=32, nb_epoch=1)
Comment puis-je entrer mes images (je les ai sur mon PC)? Et comment puis-je spécifier l'O-train?
Bienvenue à Débordement de Pile! Pour vous donner une bonne réponse, il pourrait nous aider si vous avez un coup d'oeil à Comment Demander si vous ne l'avez pas déjà. Il pourrait être également utile si vous pouvez fournir un un Minimum, Complètes et Vérifiables exemple.
OriginalL'auteur Zahra Sorour | 2016-11-07
Vous devez vous connecter pour publier un commentaire.
Ce Keras blog, La construction de l'image puissante de la classification des modèles à l'aide de très peu de données, est un excellent tutoriel pour l'apprentissage d'un modèle sur les images stockées dans des répertoires. Elle introduit également la
ImageDataGenerator
classe, qui a la fonction de membre deflow_from_directory
référencé dans @isaac-moore réponse.flow from directory
peut être utilisé pour former les sur images, où la structure de répertoire est utilisé pour déduire la valeur deY_train
.Les trois scripts python qui accompagnent le tutoriel blog peut être trouvé sur les liens ci-dessous:
(Bien sûr, ces liens sont dans l'article du blog lui-même, mais les liens ne sont pas situé au centre.) Notez que les scripts 2 et 3 s'appuient sur la sortie de la précédente. Aussi, notez que les fichiers supplémentaires devront être téléchargé à partir de Kaggle et Github.
OriginalL'auteur dhinckley
Dans ce référentiel, vous avez un exemple:
https://github.com/ZFTurbo/KAGGLE_DISTRACTED_DRIVER/blob/master/run_keras_simple.py
Ils ont des dossiers différents, dans chaque dossier, il y est une classe différente de l'image. Ils charger les images à l'aide d'opencv et ils buld un tableau contenant la classe de chaque image.
OriginalL'auteur Rob
Créer un dossier pour le train et dans le dossier, créer des dossiers distincts pour les classes d'images.
Accéder aux images à l'aide de
En référence à keras.io
OriginalL'auteur isaac-moore