在keras中創建自定義生成器以進行預測

Question

我正在為約100萬張圖像的大型數據庫做預測。 對於每個圖像，我都有一些代碼，可以將圖像切成約200個較小的圖像，並將它們作為一個numpy數組傳遞給keras，以進行預測。

我想避免不必要的讀寫操作，所以我不想保存所有這些較小的圖像並使用flow_from_directory。 取而代之的是，我希望讀入圖像，將其與現有代碼一起切碎，並將較小的圖像作為批處理全部傳遞到我的網絡中，然后對許多圖像重復此過程。

這是Keras可以處理的嗎？ 如果是這樣，我懷疑我需要創建自己的自定義生成器，但是我不確定如何執行此操作，因此找不到任何好的示例。 有沒有人提供有關如何實現自定義生成器的示例？

Answer 1

嘗試這樣的事情：

dpath='path to test folder'
ids=os.listdir(dpath+"test/")
for id in ids:
    x_batch=[]
    img = cv2.imread(dpath+'test/{}.jpg'.format(id))  #jpg if image in jpg format
    img = cv2.resize(img, (224, 224), interpolation = cv2.INTER_CUBIC) #if resize is needed

    chopped_image= your code that chops image
        x_batch.append(chopped_image)

    x_batch = np.array(x_batch, np.float32) 
    preds=(model.predict_on_batch(x_batch))
    if first==1:
        predsA=preds.copy()
        first=0
    else:
        predsA=np.append(predsA,preds,axis=0)