我正在用Keras训练神经网络。由于数据集的大小,我需要使用一个生成器和fit_generator()方法。我正在关注本教程:
https://stanford.edu/~shervine/blog/keras-how-to-generate-data-on-the-fly
但是,我准备了一个小例子来检查在每个时期馈入网络的样本,看来数量大于样本数量。
class DataGenerator(keras.utils.Sequence):
'Generates data for Keras'
def __init__(self, files, batch_size=2, dim=(160, 160), n_channels=3,
n_classes=2, shuffle=False):
'Initialization'
self.dim = dim
self.files = files
self.batch_size = batch_size
self.n_channels = n_channels
self.n_classes = n_classes
self.shuffle = shuffle
self.on_epoch_end()
def __len__(self):
'Denotes the number of batches per epoch'
print ("Number of batches per epoch")
print(int(np.floor(len(self.files) / self.batch_size)))
return int(np.floor(len(self.files) / self.batch_size))
def __getitem__(self, index):
'Generate one batch of data'
# Generate indexes of the batch
indexes = self.indexes[index*self.batch_size:(index+1)*self.batch_size]
# Find list of IDs
files_temp = [self.files[k] for k in indexes]
# Generate data
X, y = self.__data_generation(files_temp)
return X, y
def on_epoch_end(self):
'Updates indexes after each epoch'
self.indexes = np.arange(len(self.files))
if self.shuffle == True:
np.random.shuffle(self.indexes)
def __data_generation(self, files_temp):
'Generates data containing batch_size samples' # X : (n_samples, *dim, n_channels)
# Initialization
X = np.empty((self.batch_size, *self.dim, self.n_channels))
y = np.empty((self.batch_size), dtype=int)
# Generate data
for i, ID in enumerate(files_temp):
# Store sample
X[i,] = read_image(ID)
# Store class
y[i] = get_label(ID)
return X, keras.utils.to_categorical(y, num_classes=self.n_classes)
...
params = {'dim': (160, 160),
'batch_size': 2,
'n_classes': 2,
'n_channels': 3,
'shuffle': True}
gen_train = DataGenerator(files, **params)
model.fit_generator(gen_train, steps_per_epoch=ceil(num_samples_train)/batch_size, validation_data=None,
epochs = 1, verbose=1,
callbacks = [tensorboard])
read_image
和get_label
是我获取数据的方法。这些方法包括要加载的图像的print(),我得到的超出了我的期望。例如:
num_samples = 10 batch_size = 2
每个时期的步数等于5,这就是keras进度条显示的内容,但是我得到了更多的图像(由于方法内部的打印,我知道这一点)。
我尝试调试,发现__getitem__
函数被调用了5次以上!前五次索引的索引介于0到4之间(如预期),但是随后我将得到重复的索引并加载更多数据。
知道为什么会这样吗?我已调试到keras中的data_utils.py,但找不到将索引传递到__getitem__
的确切位置。 getitem中的所有内容似乎都正常运行。
答案 0 :(得分:1)
这很正常,对于steps_per_epoch = 5
,您的__getitem__
将在每个时期被调用5次 。因此,当然,一个以上的纪元意味着它将被调用多次,而不仅仅是5个。
还请注意,其中涉及并行性,Keras会在另一个线程/进程中自动运行Sequence
(取决于配置),因此可能会按预期顺序调用它们。这也是正常的。