Keras：如何将fit_generator与不同类型的多个输出一起使用

  • Z时代
  • 2024-01-10
  • 分类：问答

在具有功能API的Keras模型中，我需要调用fit_generator来使用ImageDataGenerator训练增强图像数据。问题是我的模型有两个输出：我要预测的掩码和一个二进制值，显然我只想增加输入和掩码输出，而不是二进制值。我该如何实现？

回答：

下面的示例可能是不言自明的！“虚拟”模型采用1个输入（图像），并输出2个值。该模型为每个输出计算MSE。

x = Convolution2D(8, 5, 5, subsample=(1, 1))(image_input)
x = Activation('relu')(x)
x = Flatten()(x)
x = Dense(50, W_regularizer=l2(0.0001))(x)
x = Activation('relu')(x)
output1 = Dense(1, activation='linear', name='output1')(x)
output2 = Dense(1, activation='linear', name='output2')(x)
model = Model(input=image_input, output=[output1, output2])
model.compile(optimizer='adam', loss={'output1': 'mean_squared_error', 'output2': 'mean_squared_error'})

下面的函数生成批次以在训练过程中提供模型。它采用训练数据x和标签y，其中y = [y1，y2]

batch_generator(x, y, batch_size, is_train):
    sample_idx = 0
    while True:
       X = np.zeros((batch_size, input_height, input_width, n_channels), dtype='float32')
       y1 = np.zeros((batch_size, mask_height, mask_width), dtype='float32')
       y2 = np.zeros((batch_size, 1), dtype='float32')
       # fill up the batch
       for row in range(batch_sz):
           image = x[sample_idx]
           mask = y[0][sample_idx]
           binary_value = y[1][sample_idx]
           # transform/preprocess image
           image = cv2.resize(image, (input_width, input_height))
           if is_train:
               image, mask = my_data_augmentation_function(image, mask)
           X_batch[row, ;, :, :] = image
           y1_batch[row, :, :] = mask
           y2_batch[row, 0] = binary_value
           sample_idx += 1
       # Normalize inputs
       X_batch = X_batch/255.
       yield(X_batch, {'output1': y1_batch, 'output2': y2_batch} ))

最后，我们调用fit_generator（）

    model.fit_generator(batch_generator(X_train, y_train, batch_size, is_train=1))

以上是 Keras：如何将fit_generator与不同类型的多个输出一起使用 的全部内容， 来源链接： utcz.com/qa/401096.html

回到顶部