python - 自定义 CNN mini-batch (Keras, TF) 以避免在训练/测试中重复测量
问题描述
我目前正在构建一个 1D-CNN 进行分类。预测变量是光谱(具有 779 个特征的X矩阵),因变量包含两个类别。
但是,X矩阵包含重复测量(15-20 次重复系列)。至关重要的是,在训练过程中,重复测量不包括在训练集中和损失函数评估集中。有没有办法构建可以避免这种情况的“自定义”小批量?
解决方案
您应该尝试使用数据生成器。
DataGenerator 是一个对象,它将 X_train 和 y_train 矩阵作为输入,并按照某些标准将样本分批。它还可以用于处理无法在虚拟内存上一次加载的大量数据。
这是有关如何实施的示例!
基本上 get_item 会给你你的下一批,所以这是实现你可能需要的所有条件的地方。
import numpy as np
import keras
class DataGenerator(keras.utils.Sequence):
'Generates data for Keras'
def __init__(self, X, labels, batch_size=32, dim=(32,32,32), n_channels=1,
n_classes=10, shuffle=True):
'Initialization'
self.dim = dim
self.batch_size = batch_size
self.labels = labels
self.X = X
self.n_channels = n_channels
self.n_classes = n_classes
self.shuffle = shuffle
self.on_epoch_end()
def __len__(self):
'Denotes the number of batches per epoch'
return int(np.floor(len(self.X) / self.batch_size))
def __getitem__(self, index):
'Generate one batch of data'
# Generate indexes of the batch to make sure samples dont repeat
list_IDs_temp = ... your code
# Generate data
X, y = self.__data_generation(list_IDs_temp)
return X, y
def on_epoch_end(self):
'Updates indexes after each epoch'
self.indexes = np.arange(len(self.X))
if self.shuffle == True:
np.random.shuffle(self.indexes)
def __data_generation(self, list_IDs_temp):
'Generates data containing batch_size samples' # X : (n_samples, *dim, n_channels)
# Initialization
X = np.empty((self.batch_size, *self.dim, self.n_channels))
y = np.empty((self.batch_size), dtype=int)
# Generate data
for i, ID in enumerate(list_IDs_temp):
# Store sample
X[i,] = self.X[ID,]
# Store class
y[i] = self.labels[ID]
return X, keras.utils.to_categorical(y, num_classes=self.n_classes)
来源:这个
推荐阅读
- reactjs - 提交时反应/挂钩额外的未定义字段
- r - 如何让折线图中的每一年都有不同的颜色
- cmd - CMD 将所有文件跨任何子文件夹移动到现有级别并删除子文件夹
- c# - Microsoft Graph API 自定义列未显示在项目字段中
- mysql - 使用“键集分页”重置计数
- python-3.x - python-plotly 在同一图中具有相同 Y 轴的多条线
- javascript - 状态更新时重新渲染反应组件
- javascript - 地图图层在初始加载后不会再次渲染
- css - 为什么 div 标签没有通过其 className 更改 css?
- asio - 有没有我可以学习的教程来了解 Steinberg ASIO SDK?