数据预处理

秒速五厘米 2022-12-03 15:48 242阅读 0赞

我们已经知道，将数据输入神经网络之前，应该将数据格式化为经过预处理的浮点数张量。现在，数据以JPEG文件的形式保存在硬盘中，所以数据预处理步骤大致如下。

*  读取图像文件。
 *  将JPEG文件解码为RGB像素网格。
 *  将这些像素网格转换为浮点数张量。
 *  将像素值(0-255范围内)缩放到\[0,1\]区间(正如你所知，神经网络喜欢处理较小的输入值)。

这些步骤可能看起来有点吓人，但是Keras拥有自动完成这些步骤的工具。Keras有一个图像处理辅助工具的模块，位于keras.preprocessing.image。特别地，它包含ImageDataGenerator类，可以快速创建Python生成器，能够将硬盘上的图像文件自动转换为预处理好的张量批量。下面我们将用到这个类。

from keras.preprocessing.image import ImageDataGenerator
    
    train_datagen = ImageDataGenerator(rescale=1./255)
    test_datagen = ImageDataGenerator(rescale=1./255)
    
    train_generator = train_datagen.flow_from_directory(
                            train_dir,
                            target_size = (150,150),
                            batch_size = 20,
                            class_mode='binary')
    validation_generator = test_datagen.flow_from_directory(
                            validation_dir,
                            target_size = (150,150),
                            batch_size = 20,
                            class_mode='binary')

我们看一下其中一个生成器的输出:它生成了150x150的RGB图像\[形状为(20,150,150,3)\]与二进制标签\[形状为(20,)\]组成的批量。每个批量中包含20个样本(批量大小)。注意，生成器会不停地生成这些批量，它会不断循环目标文件夹中的图像。因此，你需要在某个时刻终止(break)迭代循环。

>>> for data_batch,labels_batch in train_generator:
    >>>     print('data batch shape:',data_batch.shape)
    >>>     print('labels batch shape:',labels_batch.shape)
    >>>     break
    data batch shape: (20,150,150,3)
    labels batch shape: (20,)

利用生成器，我们让模型对数据进行拟合。我们将使用fit\_generator方法来拟合，它在数据生成器上的效果和fit相同。它的第一个参数应该是一个Python生成器，可以不停地生成输入和目标组成的批量，比如train\_generator。因为数据是不断生成的，多以Keras模型要知道每一轮需要从生成器中抽取多少个样本。这是steps\_per\_epoch参数的作用:从生成器中抽取steps\_per\_epoch个批量后(即运行了steps\_per\_epoch次梯度下降)，拟合过程将进入下一个批次。 本例中，每个批量包含20个样本，所以读取完所有2000个样本需要100个批量。

使用fit\_generator时，你可以传入一个validation\_data参数，其作用和在fit方法中类似。值得注意的是，这个参数可以是一个数据生成器，但也可以是Numpy数组组成的元组。如果向validation\_data传入一个生成器，那么这个生成器应该能够能够不停地生成验证数据批量，因此你还需要指定validation\_steps参数，说明需要从验证生成器中抽取多少个批次用于评估。

history = model.fit_generator(
            train_generator,
            steps_per_epoch=100,
            epochs=30,
            validation_data=validation_generator,
            validation_steps=50)