keras vgg 训练自己数据小结

《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，