Keras flow_from_directory 自動編碼器訓練

Question

我正在嘗試在 Keras 中訓練自動編碼器，並且我自己的數據集組織如下：

• 數據集：
  • 火車：
    • img1.jpg
    • ETC
  • 有效的：
  • 測試：

我已經了解了如何將 flow_from_directory 用於分類任務，其中數據集被組織在標簽和子目錄中。 在這種情況下，所有圖像都在同一個文件夾中，沒有任何 label。 執行代碼時，出現以下錯誤：“找到屬於 0 個類的 0 個圖像。”

這是我的代碼片段：

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'
)

我該如何解決？

Answer 1

問題在於數據的結構。 當您將 flow_from_directory 與目錄作為 train_path = 'dataset/train/' 一起使用時，它會在該目錄中查找將是您的類的子目錄。 從您顯示的目錄結構來看，dataset/train 中沒有 class 子目錄，因此生成器不返回任何文件和類。 例如，假設您正在構建一個分類器來對狗和貓進行分類。 在您的訓練目錄中，您將有兩個子目錄，一個用於保存貓的圖像，另一個用於保存狗的圖像。 flow_from_directory 有一個參數 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 中設置 class_mode='input'。 這樣你就可以得到沒有任何標簽的圖像。

Answer 2

我解決了這個問題； 該解決方案可能對某人有用：我添加了一個存儲所有圖像的子文件夾。 所以數據集的結構是這樣的：

數據集：

• 火車：
  • 圖片：
    • 圖片.jpg...

train_path = '數據集/訓練/'

正如@Gerry P 建議的那樣，我設置了 class_mode=None