使用 Keras，如何输入 X_train 图像（超过一千张图像）？

Question

我的应用是使用机器学习（卷积神经网络）的事故避免汽车系统。 我的图像是 200x100 JPG 图像，输出是 4 个元素的数组：汽车会向左、向右、停止或向前移动。 因此，输出将使一个元素为1 （根据应采取的正确操作），而其他 3 个元素将为0 。

我现在想训练我的机器，以帮助它输入任何图像并独立决定动作。 这是我的代码：

from keras.models import Sequential
from keras.layers import Dense, Dropout, Activation, Flatten
from keras.layers import Convolution2D, MaxPooling2D
from keras.optimizers import SGD

import numpy as np

model = Sequential()

model.add(Convolution2D(16, 1, 1, border_mode='valid', dim_ordering='tf', input_shape=(200, 150, 1)))
model.add(Activation('relu'))
model.add(Convolution2D(16, 1, 1))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25)) #Cannot take float values

model.add(Convolution2D(32, 1, 1, border_mode='valid'))
model.add(Activation('relu'))
model.add(Convolution2D(32, 1, 1))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))

model.add(Flatten())
# Note: Keras does automatic shape inference.
model.add(Dense(256))
model.add(Activation('relu'))
model.add(Dropout(0.5))

model.add(Dense(10))
model.add(Activation('softmax'))

model.fit(X_train, Y_train, batch_size=32, nb_epoch=1)

如何输入我的图像（我的电脑上有它们）？ 我如何指定 Y 型火车？

Answer 1

这篇 Keras 博客文章使用很少的数据构建强大的图像分类模型是一个很好的教程，用于在目录中存储的图像上训练模型。 它还引入了ImageDataGenerator类，该类具有 @isaac-moore 的答案中引用的成员函数flow_from_directory 。 flow from directory可以在图像上使用 train ，其中目录结构用于推导Y_train的值。

可以在以下链接中找到教程博客文章附带的三个 Python 脚本：

1. 分类器_from_little_data_script_1.py
2. category_from_little_data_script_2.py
3. 分类器_from_little_data_script_3.py

（当然，这些链接在博客文章中，但链接不在中心位置。）请注意，脚本 2 和 3 建立在前一个输出的基础上。 另请注意，需要从Kaggle和Github下载其他文件。

Answer 2

为火车创建一个文件夹，并在该文件夹中为图像类别创建单独的文件夹。

使用图像访问

  train_generator = train_datagen.flow_from_directory(
    'data/train',
    target_size=(150, 150),
    batch_size=32,
    class_mode='binary')

参考keras.io

Answer 3

在此存储库中，您有一个示例：

https://github.com/ZFTurbo/KAGGLE_DISTRACTED_DRIVER/blob/master/run_keras_simple.py

它们有不同的文件夹，在每个文件夹中都有不同类别的图像。 他们使用 OpenCV 加载图像并构建包含每个图像类的数组。