我们如何导入 MNIST 图像而不是数据框。？答案

【问题标题】：How can we import MNIST images instead of dataframe.?我们如何导入 MNIST 图像而不是数据框。？
【发布时间】：2018-09-25 14:03:35
【问题描述】：

我正在尝试使用 keras 在 ResNet50 上运行 MNIST 数据集。我被困在 mnist 数据集上使用 ImageDatagenerator 的部分，因为 keras 可以从目录导入文件。如果我正确理解了data_generator.flow_from_directory，那么它要求图像的路径作为其第一个参数。

但是我无法弄清楚如何输入这些可用的 mnist 数据。

我知道from keras.datasets import mnist 中的可用文件是作为数据框导入的。而flow_from_directory('../input/train',..) 正在询问图像的路径

任何帮助将不胜感激。

from tensorflow.python.keras.applications.resnet50 import preprocess_input
from tensorflow.python.keras.preprocessing.image import ImageDataGenerator

image_size = 224
data_generator = ImageDataGenerator() 
import pandas
train_generator = data_generator.flow_from_directory(
        '../input/train',
        target_size=(image_size, image_size),
        batch_size=200,
        class_mode='categorical')

validation_generator = data_generator.flow_from_directory(
        '../input/val',
        target_size=(image_size, image_size),
        class_mode='categorical')

【问题讨论】：

标签： python machine-learning keras mnist resnet

【解决方案1】：

Mnist 数据集与 keras 集成。你可以如下使用它

from keras.datasets import mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()

在这种情况下，您将不需要 ImageDataGenerator。您可以只拟合返回给您的模型的元组

model.fit(x= x_train, y= y_train, validation_data= (x_test,y_test))

来源 - keras datasets
来源-Model class API

编辑：
至于 Resnet，您可以尝试使用 Lambda 层来调整图像大小 Link to SO answer

另一种选择是将您的数据帧转换为 numpy 数组并使用上面代码中显示的 fit 函数

【讨论】：

但是输入到 resnet 的图像是 224 x224 的形式，而 mnist 是 28x28
是的，tf.image.resize_image 用张量做到这一点

【解决方案2】：

找到 MNIST as JPG (https://www.kaggle.com/scolianni/mnistasjpg) 并使用它。从你的代码（'../input/train'）我猜你正在使用 Kaggle 内核。您可以通过右侧的 +AddData 按钮简单地将数据添加到笔记本，并将 MNIST 搜索为 JPG。但是我在这里发现了一个奇怪的错误——内核没有读取 MNIST 数据库。解决方法是将MNIST下载为JPG格式，在本地解包，然后再次打包并上传到私有数据库，然后再使用。

【讨论】：