使用图像数据生成器评估 keras 模型答案

【问题标题】：Evaluate keras model with image data generator使用图像数据生成器评估 keras 模型
【发布时间】：2021-12-12 07:59:01
【问题描述】：

所以我通过调用fit_generator 方法并将ImageDataGenerator 对象传递给它，使用ImageDataGenerator 训练了一个Keras 模型。

现在我想用相同的ImageDataGenerator 对象评估模型。但我觉得我错过了一些东西。

我的数据包含在 2 个变量中，

ck_train = ImageDataGenerator().flow_from_directory(train_path, target_size=(
    224, 224), classes=['happy', 'neutral', 'surprise'], batch_size=32)
ck_test = ImageDataGenerator().flow_from_directory(test_path, target_size=(
    224, 224), classes=['happy', 'neutral', 'surprise'], batch_size=16)

我尝试通过

评估模型

deXpression.evaluate_generator(ck_test)

但我收到此错误

-----------------------------------------------------------------------
ValueError                            Traceback (most recent call last)
<ipython-input-6-0d318201cacd> in <module>
----> 1 deXpression.evaluate_generator(ck_test)

~/anaconda3/envs/gandola/lib/python3.7/site-packages/keras/legacy/interfaces.py in wrapper(*args, **kwargs)
     89                 warnings.warn('Update your `' + object_name + '` call to the ' +
     90                               'Keras 2 API: ' + signature, stacklevel=2)
---> 91             return func(*args, **kwargs)
     92         wrapper._original_function = func
     93         return wrapper

~/anaconda3/envs/gandola/lib/python3.7/site-packages/keras/engine/training.py in evaluate_generator(self, generator, steps, max_queue_size, workers, use_multiprocessing, verbose)
   1470             workers=workers,
   1471             use_multiprocessing=use_multiprocessing,
-> 1472             verbose=verbose)
   1473 
   1474     @interfaces.legacy_generator_methods_support

~/anaconda3/envs/gandola/lib/python3.7/site-packages/keras/engine/training_generator.py in evaluate_generator(model, generator, steps, max_queue_size, workers, use_multiprocessing, verbose)
    299             steps = len(generator)
    300         else:
--> 301             raise ValueError('`steps=None` is only valid for a generator'
    302                              ' based on the `keras.utils.Sequence` class.'
    303                              ' Please specify `steps` or use the'

ValueError: `steps=None` is only valid for a generator based on the `keras.utils.Sequence` class. Please specify `steps` or use the `keras.utils.Sequence` class.

请告诉我：

1) 如果我朝着正确的方向前进？
2）如果我是，我错过了什么？
3）如何使用 ImageDataGenerator 对象来做到这一点？
4) 什么是完成我想要完成的任务的正确方法？

【问题讨论】：

标签： python tensorflow keras

【解决方案1】：

我解决了这个问题。问题在于model.evaluate_generator 的steps 参数。

STEP_SIZE_TEST = ck_test.n // ck_test.batch_size
deXpression.evaluate_generator(generator=ck_test, steps=STEP_SIZE_TEST)

【讨论】：

【解决方案2】：

或许这种方式能给你一个思路：

train_datagen = ImageDataGenerator(
    rescale=1./255,)

test_datagen = ImageDataGenerator(rescale=1./255)

train_generator = train_datagen.flow_from_directory(
    train_data_dir,
    color_mode= "grayscale",
    target_size=(img_width, img_height),
    batch_size=128,
    class_mode='categorical',)    

validation_generator = test_datagen.flow_from_directory(
    validation_data_dir,
    color_mode= "grayscale",
    target_size=(img_width, img_height),
    batch_size=128,
    class_mode='categorical')

 #%%
hist = model.fit_generator(
    train_generator,
    samples_per_epoch=nb_train_samples,
    nb_epoch=nb_epoch,
    validation_data=validation_generator,
    nb_val_samples=nb_validation_samples)

scoreSeg = model.evaluate_generator(validation_generator, 400)

【讨论】：

【解决方案3】：

'evaluate' 方法似乎还直接支持生成器，所以原来的方法现在可以工作了。

【讨论】：

正如目前所写，您的答案尚不清楚。请edit 添加其他详细信息，以帮助其他人了解这如何解决所提出的问题。你可以找到更多关于如何写好答案的信息in the help center。