Question

我有一个非常简单的问题。我为分类定义了Keras模型（TF后端）。我想在训练期间转储输入到模型中的训练图像以进行调试。我正在尝试创建一个自定义回调来为此编写Tensorboard图像摘要。

但是如何获取回调中的真实训练数据？

目前我正在尝试：

class TensorboardKeras(Callback):                                                                                                                                                                                                                                     
    def __init__(self, model, log_dir, write_graph=True):                                                                                                                                                                                                             
        self.model = model                                                                                                                                                                                                                                            
        self.log_dir = log_dir                                                                                                                                                                                                                                        
        self.session = K.get_session()                                                                                                                                                                                                                                

        tf.summary.image('input_image', self.model.input)                                                                                                                                                                                                             
        self.merged = tf.summary.merge_all()                                                                                                                                                                                                                          

        if write_graph:                                                                                                                                                                                                                                               
            self.writer = tf.summary.FileWriter(self.log_dir, K.get_session().graph)                                                                                                                                                                                  
        else:                                                                                                                                                                                                                                                         
            self.writer = tf.summary.FileWriter(self.log_dir)

    def on_batch_end(self, batch, logs=None):
        summary = self.session.run(self.merged, feed_dict={})                                                                                                                                                                                                         
        self.writer.add_summary(summary, batch)                                                                                                                                                                                                                       
        self.writer.flush()

但是我得到了错误： InvalidArgumentError（请参见上面的回溯）：您必须使用dtype float和形状[？，224,224,3]

输入占位符张量'input_1'的值。

必须有一种方法可以查看输入的模型，对吗？

或者也许我应该尝试另一种调试方式？

Answer 1

您不需要为此的回调。您需要做的就是实现一个生成图像及其标签为元组的函数。 flow_from_directory函数具有一个名为save_to_dir的参数，可以满足您的所有需求，如果不满足，您可以执行以下操作：

def trainGenerator(batch_size,train_path, image_size)
    #preprocessing see https://keras.io/preprocessing/image/ for details
    image_datagen = ImageDataGenerator(horizontal_flip=True)
    #create image generator see https://keras.io/preprocessing/image/#flow_from_directory for details
    train_generator = image_datagen.flow_from_directory(
        train_path,
        class_mode = "categorical",
        target_size = image_size,
        batch_size = batch_size,
        save_prefix  = "augmented_train",
        seed = seed)

    for (batch_imgs, batch_labels) in train_generator: 
        #do other stuff such as dumping images or further augmenting images
    yield (batch_imgs,batch_labels)


t_generator = trainGenerator(32, "./train_data", (224,224,3))
model.fit_generator(t_generator,steps_per_epoch=10,epochs=1)

从自定义回调中获取Keras模型输入

1 个答案: