为啥 keras 测试生成器只返回批量大小作为数组形状的长度?
Posted
技术标签:
【中文标题】为啥 keras 测试生成器只返回批量大小作为数组形状的长度?【英文标题】:Why does keras test generator only return batch size as the length in the shape of the array?为什么 keras 测试生成器只返回批量大小作为数组形状的长度? 【发布时间】:2021-09-24 14:08:45 【问题描述】:这是我的测试生成器代码:
test_generator=test_datagen.flow_from_dataframe(
dataframe=df_test,
directory=img_dir,
x_col="filename",
y_col="label",
batch_size=32,
seed=42,
shuffle=False,
class_mode="categorical",
target_size=(img_size,img_size))
为什么batch_size
参数在创建生成器后仍然很重要:
Found 229 validated image filenames belonging to 2 classes.
例如,生成器创建后数组的形状被限制为 32 - 批量大小:
x_test, y_test = test_generator.next()
这是x_test
的形状,我假设这是包含实际图像数据的数组:
>>> print(x_test.shape)
(32, 224, 224, 3)
这是我将其与预测长度进行比较时的结果:
print(len(x_test)) #32
print(len(y_test)) #32
print(len(pred)) #229
由于y_test
的大小与预测大不相同,我很难进行任何类型的比较。 y_test
与批量大小设置为 32 的 test_generator
直接相关。
测试生成器标签似乎有正确数量的元素:
test_generator.labels
[0, 0, 0, 0, 1, 1, 0, 1, 1, 0, 1, 1, 0, 0, 0, 1, 0, 1, 0, 0, 0, 1, 0, 1, 1, 0, 0, 0, 1, 0, 0, 0, 1, 0........
那么为什么x_test
的形状只有32呢?我显然错误地认为应该是229,因为有229个样本,229个标签?
非常感谢您的建议!
【问题讨论】:
【参考方案1】:作为文档here 状态,生成器返回的是:
产生 (x, y) 元组的 DataFrameIterator,其中 x 是一个 numpy 数组,其中包含一批形状为 (batch_size, target_size, channels) 的图像,y 是一个对应标签的 numpy 数组。
所以,test_generator
是一个DataFrameIterator
,每次调用它都会给你一批形状为(32, 224, 224, 3)
的图像。因此,您错误地认为它应该是 229,因为有 229 个样本。每次它会从 229 个样本中为您提供一批 32 个图像。
【讨论】:
啊,好的,谢谢,我已经看到了这种数据类型,但不确定它是如何工作的。这有助于我理解发生了什么。只是一个简单的问题,如果我想测试预测,我只能测试批量大小的限制,32。我希望根据所有预测测试 x_test 中的所有样本,看看我是否能得到“不正确与正确”的图像表。再次感谢您的澄清。 没有。您不仅限于测试一批数据。您可以将您的生成器传递给model.predict
,它会为您提供对整个数据的预测,但是由于您的生成器会批量处理数据,因此它会逐批进行预测。以上是关于为啥 keras 测试生成器只返回批量大小作为数组形状的长度?的主要内容,如果未能解决你的问题,请参考以下文章
如何确定Keras ImageDataGenerator中测试数据集的最佳“步数”和“批量大小”?
批量大小未传递给 tf.keras 模型:“检查输入时出错:预期 input1 有 3 个维度,但得到的数组形状为 (a,b)”