Question

我正在使用keras进行简单的OCR。调用:lazy Evaluation count : 35819946 time mean : 10.856 ns :lazy-count Evaluation count : 8496 time mean : 69941.171 ns :vec Evaluation count : 9492 time mean : 62965.632 ns :ArrayList Evaluation count : 167490 time mean : 3594.586 ns方法时，它会显示无效分数和丢失。

我已经从keras 2.0更新到keras 2.1.3，但仍有相同的问题。

这是我的发电机功能。

fit_generator

和方法调用

def generate_dataset(directory, batch_size=BATCH_SIZE):
    data = pd.read_csv(directory + 'data.csv')

    while 1:
        data.sample(frac=1)
        data_images = data['image']
        classes = np.array([CHARACTERS.index(i) for i in data['char']])
        classes = to_categorical(classes)

        for i in range(0, len(data_images), batch_size):
            y_train = classes[i:i+batch_size]
            x_train_filenames = data_images[i:i+batch_size].tolist()
            x_train = np.empty([len(x_train_filenames), 60, 60, 3], dtype=np.float32)

            for j in range(len(x_train_filenames)):
                im = Image.open(directory + x_train_filenames[j])
                arr = np.array(im).astype(np.float32) / 255
                x_train[j] = arr
                im.close()

            yield x_train, y_train

以下是前三个时期的输出

大纪元1/5 783/782 [==============================] - 122s 156ms /步 -   损失：9.5539 - acc：0.2319 - val_loss：0.6028 - val_acc：0.7958

Epoch 2/5 783/782 [==============================] - 96s 122ms /步 -   损失：9.0007 - acc：0.3991 - val_loss：0.3196 - val_acc：0.8865

Epoch 3/5 578/782 [=====================＆gt; ........] - ETA：23s - 损失：   8.9411 - acc：0.4181

你怎么看，火车损失无效。

我已为火车数据集运行steps_per_epoch = steps_per_epoch=pd.read_csv(TRAIN_DIR + 'data.csv').shape[0] / BATCH_SIZE + 1 validation_steps = pd.read_csv(VALIDATION_DIR + 'data.csv').shape[0] / BATCH_SIZE + 1 model.fit_generator( generate_dataset(TRAIN_DIR), steps_per_epoch=steps_per_epoch, validation_data = generate_dataset(VALIDATION_DIR), validation_steps = validation_steps, verbose=1, epochs=5)方法，它正常工作，显示实数，而不是8.9表示损失。

我在Ubuntu 16.04上使用Keras 2.1.3和tensorflow后端

model.fit_generator无效损失和得分

0 个答案: