《1》.数据增强
imagedatagenerator 增加数据集
参数: 参考 https://www.jianshu.com/p/d23b5994db64
方法:1.flow_from_directory 是为了使用imagedatagenerator 而且根据文件夹的分类可以得到标签数据,一个文件夹一个类别
(1)参数: 参考 https://blog.csdn.net/mieleizhi0522/article/details/82191331
要注意的是class_mode 这个参数 多分类的是使用categorical 二分类使用binary
one-hot 就是【0,1,0,0,0,0】这种
(2)方法:class_indices 查看类别 labels 查看数据标记 class_model 可以查看是binary 还是categorical
《2》.模型
https://keras.io/zh/models/model/#compile
1.compile
最重要的参数
(1)optimizer: 字符串(优化器名)或者优化器实例。 详见 optimizers。
https://keras.io/zh/optimizers/ 建议设置成optimizer='rmsprop'
(2)loss: 字符串(目标函数名)或目标函数。 详见 losses。
loss='categorical_crossentropy'多个类别的损失函数对应flow_from_directory 的 class_model 的参数 categorical
loss='binary_crossentropy' 单个类别的损失函数对应flow_from_directory 的 class_model 的参数 binary
http://www.cnblogs.com/smuxiaolei/p/8662177.html
(3)metrics: 在训练和测试期间的模型评估标准。
通常你会使用 metrics = ['accuracy']
。 要为多输出模型的不同输出指定不同的评估标
2.fit_generator
https://keras.io/zh/models/model/#fit_generator
参数:
steps_per_epoch: 它通常应该等于你的数据集的样本数量除以批量大小
verbose: 0, 1 或 2。日志显示模式。 0 = 安静模式, 1 = 进度条, 2 = 每轮一行。
实例观看: https://blog.keras.io/building-powerful-image-classification-models-using-very-little-data.html
代码,数据集,在我的资源里,