部分摘自 https://www.cnblogs.com/hutao722/p/9553526.html , 根据我的实际情况有更改
我们在构建自己的神经网络模型时,往往会基于预编译模型上进行迁移学习。但不同的训练数据、不同的场景下,各个模型表现不一,需要投入大量的精力进行调参,耗费相当多的时间才能得到自己满意的模型。
而谷歌近期推出了AutoML,可以帮助人们在给定数据下自动找寻最优网络模型,可谓让不是专业的人也可以轻松构建合适自己的网络模型,但唯一的问题是太贵了,每小时收费20美元啦。
幸好开源界也推出了autokeras,让我们一众屌丝也可以享受这免费的待遇,其官网是 https://autokeras.com/ 。
官网的文档和样例目前不是很详细,我研究了一番,写篇简单的入门贴,供大家参考。
一、 准备数据
先下载训练和测试数据集,下载地址为 http://pan.baidu.com/s/1nuqlTnN, 总共500张图片,其中100张为测试数据,400张为训练数据,图片分为’bus’, ‘dinosaur’, ‘flower’, ‘horse’, 'elephant’五类,分别以以3,4,5,6,7开头进行按类区分
按照autokers的要求,我们需要做一个csv文件,记录图片与所属标签的映射关系,可以用如下代码生成:
import os
import csv
TRAIN_IMG_DIR = 'E:/autokeras/test/re/re/train'
TRAIN_CSV_DIR = 'E:/autokeras/test/re/re/train_labels.csv'
TEST_IMG_DIR = 'E:/autokeras/test/re/re/test'
TEST_CSV_DIR = 'E:/autokeras/test/re/re/test_labels.csv'
def mkcsv(img_dir, csv_dir):
list = []
list.append(['File Name','Label'])
for file_name in os.listdir(img_dir):
if file_name[0] == '3': #bus
item = [file_name, 0]
elif file_name[0] == '4': #dinosaur
item = [file_name, 1]
elif file_name[0] == '5': #elephant
item = [file_name, 2]
elif file_name[0] == '6': #flower
item = [file_name, 3]
else:
item = [file_name, 4] #horse
list.append(item)
print(list)
f = open(csv_dir, 'w', newline='')
writer = csv.writer(f)
writer.writerows(list)
mkcsv(TRAIN_IMG_DIR, TRAIN_CSV_DIR)
mkcsv(TEST_IMG_DIR, TEST_CSV_DIR)
输出部分如下:
此时会生成两个新的文件:
二、 格式化图片
训练和测试图片的大小不一,需要统一转换成相同的格式才能被autokeras处理,可用如下代码处理:
from tensorflow.keras.preprocessing import image
import os
TEST_IMG_DIR_INPUT = "E:/autokeras/test/re/re/test_origin"
TEST_IMG_DIR_OUTPUT = "E:/autokeras/test/re/re/test"
TR