Auto-Keras API详解(5)——image_supervised类
(一)前 言
image_supervised类是Auto-Keras中用于一个训练图像数据监督学习的基类,这一节我们将详细介绍它的主要方法和各项参数的意义。
(二)方法详解
(1)init方法
image_supervised包含的各种分类器和回归器如下:
名 称 | 作 用 |
---|---|
ImageClassifier | 用于图像的分类,它会自动为当前数据集搜索最优的卷积网络结构 |
ImageClassifier1D | 用于1D图像的分类,它会自动为当前数据集搜索最优的卷积网络结构 |
ImageClassifier3D | 用于3D图像的分类,它会自动为当前数据集搜索最优的卷积网络结构 |
ImageRegressor | 用于图像的回归,它会自动为当前数据集搜索最优的卷积网络结构 |
ImageRegressor1D | 用于1D图像的回归,它会自动为当前数据集搜索最优的卷积网络结构 |
ImageRegressor3D | 用于3D图像的回归,它会自动为当前数据集搜索最优的卷积网络结构 |
初始化以上方法的参数列表如下:
- path:
存储分类器模型和中间结果的路径 - cnn:
定义在net_moudle.py中的卷积网络模型 - y_encoder:
标签编码器,用于把标签转换为one-hot矩阵 - data_transformer:
一个数据处理的转换类,可以在ImageDataTransformer找到使用示例 - verbose:
一个布尔值,决定了搜索过程是否要打印到输出设备 - augment:
一个布尔值,决定了是否需要扩增数据,如果没有定义则会使用Constant.DATA_AUGMENTATION的值 - searcher_args:
一个包含了搜索器初始化函数参数的字典 - resize_height:
调整图像数据的高度 - resize_width:
调整图像数据的宽度
(2)read_images方法
read_images方法用于用于从目录下读取图像数据并返回它们的Numpy数组实例。
- 参数列表:
- img_file_names:
图像名称的列表 - images_dir_path:
存储图像的路径
- img_file_names:
(3)load_image_dataset方法
load_image_dataset方法从CSV文件中读取图像的文件和标签名。这个CSV文件应该包含两列数据,分别为“文件名”和“标签”。
- 参数列表:
- csv_file_path:
CSV文件的位置 - images_path:
图像的存储路径
- csv_file_path:
(4)export_keras_model方法
用来导出Auto-Keras训练好的模型
(5)evaluate方法
(三)总 结
在这一节中,我们介绍了image_supervised的相关方法,有任何的问题请在评论区留言,我会尽快回复,谢谢支持!