predict_generator 和类标签

Question

我正在使用 ImageDataGenerator 生成新的增强图像并从预训练模型中提取瓶颈特征，但我在 keras 上看到的大部分教程 样本数量与目录中的图像数量相同。

 train_generator  = train_datagen.flow_from_directory(
                train_path,
                target_size=image_size,
                shuffle = "false",
                class_mode='categorical',
                batch_size=1)

bottleneck_features_train = model.predict_generator(
    train_generator, 2* nb_train_samples // batch_size)

假设我想从上面的代码中获得 2 倍以上的图像，我如何才能从存储在元组 train_generator 中的瓶颈层提取的特征中获得所需的类标签。

应该是training_generator.py第422行的代码

x, _ = generator_output 

做这样的事情

 => x, y = generator_output

并从 predict_generator 返回元组 [np.concatenate(out) for out in all_outs],y

即返回相应的类标签以及预测的特征all_outs，因为如果不运行两次生成器就无法获得相应的标签。

Answer 1

如果您使用预测，通常您根本不需要 Y，因为 Y 将是预测的结果。 （你不是在训练，所以你不需要真正的标签）

但你可以自己做：

bottleneck = []
labels = []
for i in range(2 * nb_train_samples // batch_size):
    x, y = next(train_generator)

    bottleneck.append(model.predict(x))
    labels.append(y) 

bottleneck = np.concatenate(bottleneck)
labels = np.concatenate(labels)

如果您希望它带有索引（如果您的生成器支持）：

#...
for epoch in range(2):
    for i in range(nb_train_samples // batch_size):
        x,y = train_generator[i]

        #...