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

（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

（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！