Question

为我提供了一个基本代码，我需要对其进行更改，以便能够将训练数据用作输入，而不是代码中的单个图像。由于xtrain.shape会产生(50,000, 32, 32, 3)格式，因此不确定是否要采用正确的方法。当我尝试将xtrain的每个值运行到调整器中，然后使用该数据作为预测值时，我得到resized_xtrain.shape，它产生一个(224, 224, 3)，而len(results)产生50,000 resize_xtrain应该不是（50,000，224，224，3）吗？任何有用的提示都将非常有用。我需要将数据设置到数组中，以便稍后用作randomForest分类器的输入。这是给的：

from keras.applications.vgg19 import VGG19
from keras.preprocessing import image
from keras.applications.vgg19 import preprocess_input
from keras.models import Model
import numpy as np

base_model = VGG19(weights='imagenet')
base_model.summary()

model = Model(inputs=base_model.input, outputs=base_model.get_layer('fc2').output)

img_path = 'elephant.jpg'
img = image.load_img(img_path, target_size=(224, 224))
x = image.img_to_array(img)
x = np.expand_dims(x, axis=0)
x = preprocess_input(x)

fc2_features = model.predict(x)
fc2_features.shape

这就是我创建的：

from skimage import transform
from keras.models import Model

model2 = Model(inputs=base_model.input, outputs=base_model.get_layer('fc2').output)
results=[]
for i in range (50000):
    resized_xtrain= transform.resize(x_train[i], (224, 224, 3), order=1, mode='reflect')
#img_path = 'elephant.jpg'
#img = image.load_img(img_path, target_size=(224, 224))
#x = image.img_to_array(img)
    x = np.expand_dims(resized_xtrain, axis=0)
    x = preprocess_input(x)

    fc2_features = model2.predict(x)
    fc2_features.shape
    results.append(fc2_features)

如何在Keras机器学习中更改数据格式？

0 个答案: