autokeras应用系列（1）：入门测试

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