基于图像的Keras训练模型

Question

我第一次在数据集上训练模型，这是来自pandas数据集的数据

In [16]: exists.head()
Out[16]: 
                 id                                                url  \
1  0a58358a2afd3e4e  http://lh6.ggpht.com/-igpT6wu0mIA/ROV8HnUuABI/...   
2  6b2bb500b6a38aa0  http://lh6.ggpht.com/-vKr5G5MEusk/SR6r6SJi6mI/...   
3  b399f09dee9c3c67  https://lh3.googleusercontent.com/-LOW2cjAqubA...   
4  19ace29d77a5be66  https://lh5.googleusercontent.com/-tnmSXwQcWL8...   
5  2c9c54b62f0a6a37  https://lh5.googleusercontent.com/-mEaSECO7D-4...   
   landmark_id  exists                              filename  
1         6651    True  training_images/0a58358a2afd3e4e.jpg  
2        11284    True  training_images/6b2bb500b6a38aa0.jpg  
3         8429    True  training_images/b399f09dee9c3c67.jpg  
4         6231    True  training_images/19ace29d77a5be66.jpg  
5        10400    True  training_images/2c9c54b62f0a6a37.jpg 

它在filename中显示训练图像，在landmark_id中显示分类名称

我就是这样写模型来训练它的

^{pr2}$

我不知道在训练的时候我应该怎么把标签贴在照片上。所以当它在training_images文件夹中训练和循环图像时。在

Answer 1

塞缪尔

FitGenerator正在从flow_from_directory方法获取训练输入标签。该方法使用文件夹结构来确定培训类别。因为你的类是二进制的，并且你有一个单一的sigmoid输出，我假设你正在做一个热狗-不是热狗类型的分类，你只需要一个概率值。在

另一个提示是，你关心某个事物是否是一个类别的单一概率，你的损失函数是二元熵。在

检查您的培训数据文件夹。看看数据是如何组织的。这一点的设置应确保数据组织正确。在

暗示你想要多个标签。如果是这样的话，您需要在train下创建这些文件夹，并验证并将图像放入相应的文件夹中。如果你这样做的话，你将需要改变你的模型的几个方面。损失、输出层大小和输出层激活将相应地改变。在