时间戳

首页 > 解决方案 > 使用 Keras 增强 CSV 文件数据集

python - 使用 Keras 增强 CSV 文件数据集

问题描述

我正在Kaggle中进行一个已经实施的项目，该项目与图像分类有关。我总共有 6 个类要预测，分别是 Angry、Happy、Sad 等。我已经实现了一个 CNN 模型，我目前只使用 4 个类（图像数量最多的类），但是我的模型过度拟合，我的验证准确度最高可达 53%，因此我尝试了几件事，但似乎并没有提高我的准确度。现在我看到人们提到了一种叫做数据增强的东西，并想试一试，因为它似乎有可能提高准确性。但是，我遇到了一个我无法弄清楚的错误。

数据集分布：

6_classes 

from tensorflow.keras.preprocessing.image import ImageDataGenerator
from matplotlib.pyplot import imread, imshow, subplots, show


def plot(data_generator):
    """
    Plots 4 images generated by an object of the ImageDataGenerator class.
    """
    data_generator.fit(df_training)
    image_iterator = data_generator.flow(df_training)

    # Plot the images given by the iterator
    fig, rows = subplots(nrows=1, ncols=4, figsize=(18,18))
    for row in rows:
        row.imshow(image_iterator.next()[0].astype('int'))
        row.axis('off')
    show()

x_train = df_training.drop("emotion",axis=1)
image = x_train[1:2].values.reshape(48, 48)
x_train = x_train.values.reshape(x_train.shape[0], 48, 48,1)
x_train = x_train.astype("float32")
image = image.astype("float32")
image = x_train[1:2].reshape(48, 48)

# Creating a dataset which contains just one image.
images = image.reshape((1, image.shape[0], image.shape[1]))

imshow(images[0])
show()
print(x_train.shape)
data_generator = ImageDataGenerator(rotation_range=90)
plot(data_generator)

错误：

ValueError: 输入.fit()应该有 4 级。得到了形状的数组: (28709, 2305)

我已经将我的数据重新整形为一个 4d 数组，但由于某种原因，它出现在错误中，因为我的数据是 2d。这是print(x_train.shape)=> (28709, 48, 48, 1)的形状

x_train是数据集所在的位置，x_train[1:2] 访问一张图像。

Ps 根据此数据集，您是否会推荐任何其他方法来提高我的准确性。有关我的数据集的更多问题，如果您不理解此部分代码中的某些内容，请告诉我。

标签： pythonmachine-learningkerasneural-networkdata-augmentation

解决方案

您在 df_training 而不是 x_train 上使用 data_generator。

至于如何避免过度拟合的更多想法：Tensorflow 有一个官方教程，其中有一些很好的建议： https ://www.tensorflow.org/tutorials/keras/overfit_and_underfit

推荐阅读