keras txt 读取训练数据_keras 从txt加载预测数据

ImageDataGenerator.flow_from_directory()的用法已经非常多了，优点是简单方便，但数据量很大时，需要组织目录结构和copy数据，很浪费资源和时间

2. 预测时从txt加载数据：

... ...

def get_gen(img_root_txt,_BS):

cnt = 0

imgs = []

files = []

for n in open(img_root_txt):

_n = n[:-1]

files.append(_n)

img_2 = image.load_img(_n, target_size=(64, 64))

img_3 = (image.img_to_array(img_2))/255

img_3 = np.expand_dims(img_3, axis=0)

imgs.append(img_3)

if cnt > _BS:

break

cnt = cnt + 1

x = np.concatenate([x for x in imgs])

print(x.shape)

return x,files

gen,files = get_gen('./imgs_root.txt', BS)

xx = model.predict(gen)

for n,m in zip(files, xx):

if m[0]

print(n, m)

... ...

注意：txt存数据路径，预测结果是各个分类的概率，！！！预测时图像预处理方式与训练时图像预处理方式需保持一致(尺寸、归一化等)