python-3.x - 图像分类算法需要多长时间?
问题描述
我在下面编写了用于识别图像的代码。
# Importing the Keras libraries and packages
from keras.models import Sequential
from keras.layers import Conv2D
from keras.layers import MaxPooling2D
from keras.layers import Flatten
from keras.layers import Dense
# Initialising the CNN
classifier = Sequential()
# Step 1 - Convolution
classifier.add(Conv2D(32, (3, 3), input_shape = (64, 64, 3), activation = 'relu'))
# Step 2 - Pooling
classifier.add(MaxPooling2D(pool_size = (2, 2)))
# Adding a second convolutional layer
classifier.add(Conv2D(32, (3, 3), activation = 'relu'))
classifier.add(MaxPooling2D(pool_size = (2, 2)))
# Step 3 - Flattening
classifier.add(Flatten())
# Step 4 - Full connection
classifier.add(Dense(units = 128, activation = 'relu'))
classifier.add(Dense(units = 1, activation = 'sigmoid'))
# Compiling the CNN
classifier.compile(optimizer = 'adam', loss = 'binary_crossentropy', metrics = ['accuracy'])
# Part 2 - Fitting the CNN to the images
from keras.preprocessing.image import ImageDataGenerator
train_datagen = ImageDataGenerator(rescale = 1./255,
shear_range = 0.2,
zoom_range = 0.2,
horizontal_flip = True)
test_datagen = ImageDataGenerator(rescale = 1./255)
training_set = train_datagen.flow_from_directory('E:\\ML_R&D\\training_set\\cats1',
target_size = (64, 64),
batch_size = 32,
class_mode = 'binary')
test_set = test_datagen.flow_from_directory('E:\\ML_R&D\\test_set\\cats1',
target_size = (64, 64),
batch_size = 32,
class_mode = 'binary')
classifier.fit_generator(training_set,
steps_per_epoch = 8000,
epochs = 25,
validation_data = test_set,
validation_steps = 2000)
# Part 3 - Making new predictions
import numpy as np
from keras.preprocessing import image
test_image = image.load_img('E:\\ML_R&D\\cat.jpg', target_size = (64, 64))
test_image = image.img_to_array(test_image)
test_image = np.expand_dims(test_image, axis = 0)
result = classifier.predict(test_image)
training_set.class_indices
if result[0][0] == 1:
prediction = 'dog'
else:
prediction = 'cat'
当我运行此代码时,它运行成功,没有任何错误,但等待数小时(2)后没有显示结果。它只显示在下面。
找到属于 0 个类别的 0 个图像。找到属于 0 个类别的 0 个图像。纪元 1/25
解决方案
问题是您提供的目录结构。
training_set = train_datagen.flow_from_directory('E:\\ML_R&D\\training_set\\cats1',
target_size = (64, 64),
batch_size = 32,
class_mode = 'binary')
这里的路径E:\\ML_R&D\\training_set\\cats1
必须包含子文件夹(代表每个类),在每个子文件夹中,您都有属于该特定类的图像。
例如
/home/tlokeshkumar/Documents/image_data
是我的数据集所在的地方。
image_data
class_1
class_1_1.jpg
class_1_2.jpg
...
class_2
class_2_1.jpg
class_2_2.jpg
class_2_3.jpg
...
class_3
class_4
...
如果遵循此结构,则必须输入主文件夹的路径 ( image_data
) 必须给出。
training_set = train_datagen.flow_from_directory('home/tlokeshkumar/Documents/image_data',
target_size = (64, 64),
batch_size = 32,
class_mode = 'binary')
对于快速图像分类,您可以查看我的存储库,其中我使用 keras 编写了一个图像分类器,它使用瓶颈来训练它比正常训练过程快得多。
推荐阅读
- python - 单行 if 语句的覆盖范围
- python - 破解后如何重新启动相同的功能
- php - 使用 Laravel 中的按钮更新/更改值
- r - R Hash - 根据值获取密钥
- firebase - 我可以使用 Firestore 使用基于时间限制的缓存吗?
- c - 静态库中的所有函数是否都链接到最终的可执行文件中?
- php - 如何在视图中显示 Laravel 中的图像?
- database - {新的 Flutter/Dart 程序员} 有什么简单的方法可以简单地访问 Firebase 数据库中的“字段”并将其值设置为变量?
- algorithm - 在某些情况下,Hoare 分区会失败吗?
- visual-studio-code - 如何在 vscode quickFix 菜单中设置选择建议的键盘快捷键?