实现多级分类，以及keras自定义Generator实现

一、基本介绍

最近在家闲着没事做尝试着用keras做一个图像的多级分类。基本上来说我自己制作了个比较简单的数据集，其中包括两大类：交通工具、动物；然后往下细分的话，交通工具中我简单地设置了三类：SUV、飞机和摩托车，动物则设置了两类：猫和狗。
目标自己训练一个多输出模型，可以用于判断输入图片属于动物还是交通工具，然后同样也可以细分归类是阿猫阿狗还是摩托suv飞机。

交通工具	名称(大类-细类-样本编号)
SUV	vehicle_SUV_1
飞机	vehicle_plane_1
摩托车	vehicle_motor_1

动物	名称(大类-细类-样本编号)
猫	animal_cat_1
狗	animal_dog_1

二、数据及标签处理

自行编写了prepare函数用于将数据进行一定的预处理。首先将图片数据读入，然后使用per_image_standardization函数将图片进行规范化处理。至于标签的处理，则将其分为两类标签分别是labels1和labels2，分别对应交通工具这样的大类标签以及SUV这样的细类标签。

import matplotlib
from keras.preprocessing.image import ImageDataGenerator
from keras.optimizers import Adam
from keras.preprocessing.image import img_to_array
from sklearn.preprocessing import MultiLabelBinarizer
from sklearn.model_selection import train_test_split
import tensorflow as tf
import matplotlib.pyplot as plt
import numpy as np
import random
import pickle
import cv2
import os
Image_width=150
Image_height=150
Image_size=(Image_width,Image_height)
Image_channels=3
batch_size=15
#输入训练文件路径，返回数据array以及labels
def prepare(path):
    fileList = os.listdir(path)  # 训练数据文件夹
    data=[]
    labels1=[]
    labels2=[]
    for fileName in fileList:
        image=cv2.imread(os.path.join(path,fileName))
        if image is not None:
            std_image=tf.image.per_image_standardization(image)#图片normalization
            image2=cv2.resize(std_image.numpy(),Image_size)
            image2=img_to_array(image2)
            data.append(image2)
            label1=str(fileName