Question

我正在尝试训练一个模型，以识别包含火灾VS包含森林的图像的图像。我正在使用Linode在远程服务器上训练模型。我正在使用Python 2.7和Ubuntu 16.04.5。

当我在本地或Jupyter笔记本中运行以下代码时，它将创建2个类，但是当我想在服务器上运行时，它将创建3个类。

对模型进行分类的代码：

def onehot(x): return np.array(OneHotEncoder().fit_transform(x.reshape(-1,1)).todense())


model = keras.applications.InceptionV3(weights='imagenet', include_top=False)


batch_size=16

train_datagen = ImageDataGenerator(
        rescale=1./255,
        shear_range=0.2,
        zoom_range=0.2,
        horizontal_flip=True)


train_generator = train_datagen.flow_from_directory(
        'datareal/train',  # this is the target directory
        batch_size=batch_size,
        target_size=(224, 224),
        class_mode='binary')

test_datagen = ImageDataGenerator(rescale=1./255)

validation_generator = test_datagen.flow_from_directory(
        'datareal/valid',
        batch_size=batch_size,
        target_size=(224, 224),
        class_mode='binary')


x = model.output
x = GlobalAveragePooling2D()(x)
# let's add a fully-connected layer
x = Dense(1024, activation='relu')(x)
# and a logistic layer -- let's say we have 2 classes
predictions = Dense(2, activation='softmax')(x)
newmodel = Model(inputs=model.input, outputs=predictions)

newmodel.compile(optimizer='rmsprop', loss='binary_crossentropy', metrics=['acc'])

输出：

Found 173 images belonging to 3 classes.
Found 40 images belonging to 3 classes.

包含所有图像的目录的结构如下：

datareal
        valid
                forest
                fire
        train
                forest
                fire

我如何使模型仅标记2个类而不是3个？

Answer 1

我知道了。问题是我的火车和验证文件夹中仍然有一些隐藏的文件夹。

Answer 2

对于仍在 colab 中苦苦挣扎的人：额外的文件是隐藏的，因此首先您必须找到它。您可以通过编写以下行来实现：

import os
import shutil

os.listdir("the_target_directory_trining_for_example")

那么结果将是隐藏文件夹的名称以及您的文件夹（类）的名称。

['class2', 'classs1', '.ipynb_checkpoints']

接下来，您必须使用以下行删除添加的文件夹（.ipynb_checkpoints），但要小心使用。

shutil.rmtree("the_target_directory_trining_for_example/.ipynb_checkpoints")

Keras创建了三个类，而不是两个类

2 个答案: