Keras flow_from_directory 自动编码器训练

Question

我正在尝试在 Keras 中训练自动编码器，并且我自己的数据集组织如下：

• 数据集：
  • 火车：
    • img1.jpg
    • ETC
  • 有效的：
  • 测试：

我已经了解了如何将 flow_from_directory 用于分类任务，其中数据集被组织在标签和子目录中。 在这种情况下，所有图像都在同一个文件夹中，没有任何 label。 执行代码时，出现以下错误：“找到属于 0 个类的 0 个图像。”

这是我的代码片段：

train_path = 'dataset/train/'
train_gen = train_data_gen.flow_from_directory(
    train_path,
    class_mode = 'Input',
    target_size = IMAGE_SIZE,
    color_mode = 'grayscale',
    batch_size = BS,
    seed = SEED,
    shuffle = 'Yes'
)

我该如何解决？

Answer 1

问题在于数据的结构。 当您将 flow_from_directory 与目录作为 train_path = 'dataset/train/' 一起使用时，它会在该目录中查找将是您的类的子目录。 从您显示的目录结构来看，dataset/train 中没有 class 子目录，因此生成器不返回任何文件和类。 例如，假设您正在构建一个分类器来对狗和猫进行分类。 在您的训练目录中，您将有两个子目录，一个用于保存猫的图像，另一个用于保存狗的图像。 flow_from_directory 有一个参数 class_mode，描述如下

class_mode: One of "categorical", "binary", "sparse", "input", or None.
 Default: "categorical". Determines the type of label arrays that are
 returned: - "categorical" will be 2D one-hot encoded labels, - "binary" 
will be 1D binary labels, "sparse" will be 1D integer labels,
 - "input" will be images identical to input images (mainly used to 
work with autoencoders). - If None, no labels are returned 
(the generator will only yield batches of image data, 
which is useful to use with model.predict()). 
Please note that in case of class_mode None,
 the data still needs to reside in a subdirectory of directory for it to work correctly.

所以在 flow_from_directory 中设置 class_mode='input'。 这样你就可以得到没有任何标签的图像。

Answer 2

我解决了这个问题； 该解决方案可能对某人有用：我添加了一个存储所有图像的子文件夹。 所以数据集的结构是这样的：

数据集：

• 火车：
  • 图片：
    • 图片.jpg...

train_path = '数据集/训练/'

正如@Gerry P 建议的那样，我设置了 class_mode=None