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
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
相关问题 更多 >
编程相关推荐