keras txt 读取训练数据_Keras训练数据加载实现小结

对于keras加载训练数据，官方上没有详说。然而网上查各种资料，写法太多，通过自己跑代码测试总结以下几条，方便自己以后使用。

总的来说keras模型加载数据主要有三种方式：.fit(), .fit_generator()和.train_on_batch()。

1.fit():

上函数，各个参数的意义就不解释了

fit(x=None, y=None, batch_size=None, epochs=1, verbose=1, callbacks=None, validation_split=0.0, validation_data=None, shuffle=True, class_weight=None, sample_weight=None, initial_epoch=0, steps_per_epoch=None, validation_steps=None)

从官方文档中可以看出，fit()是需要先把整个数据集加载进来，然后喂入网络，因为minist数据集比较小，这么做是可行的，但对于实际开发而言，这么做是不可行的，需要大量的内存资源，同时不能对数据进行在线提升。

一次性加载整个数据集的示例代码：

任务为猫和狗的二分类，train_data下包含cat和dog两个文件夹，代码将两个文件夹下图片和标签存入numpy数组，返回为训练数据和训练标签。

def load_data():

tran_imags = []

labels = []

seq_names = ['cat','dog']

for seq_name in seq_names:

frames = sorted(os.listdir(os.path.join(root_path,'data','train_data', seq_name)))

for frame in frames:

imgs = [os.path.join(root_path, 'data', 'train_data', seq_name, frame)]

imgs = np.array(Image.open(imgs[0]))

tran_imags.append(imgs)

if seq_name=='cat':

labels.append(0)

else:

labels.append(1)

return np.array(tran_imags), np.array(labels)

##

train_data,train_labs = load_data()

model.fit(train_data,keras.utils.to_categorical(train_labs),batch_size=32,