Question

在Keras中基于CNN的图像分类期间，我丢失了RAM（Colab 12GB RAM）。

我的数据库：

用于训练的图像：一个zip文件中包含约3500张图像（所有类在一个文件夹中）。

训练图像的目标：一个csv文件。

要测试的图像：一个zip文件中包含约1500张图像（所有类在一个文件夹中）。

我没有得到测试图像的任何目标（一维阵列）。

我的方法： 1.制作x_train矩阵（3662，224，224，3）：


train = []

for filename in glob.glob('Train_Images/*.png'):
    im=Image.open(filename)
    img = im.resize((224, 224), Image.ANTIALIAS)
    sized=(np.asarray(img))/255
    train.append(sized)

x_train = (np.asarray(train))
print(x_train.shape)

制作一个热y_train矩阵（3662，5）
我想使用一些预先训练的模型：在这里，VGG16
编译模型：

Model.compile(Adam(lr=0.0001), loss='categorical_crossentropy', metrics=['accuracy'])

最后一步：Model.fit>

Model.fit(x_train, y_train, epochs=10, batch_size=32)

我还尝试了ImageDataGenerator：

Model.fit_generator(datagen.flow(x_train, y_train, batch_size=4),
                    steps_per_epoch=len(train) / 4, epochs=10)

运行我的代码进行培训时，我正在失去RAM。每次会话都失败了。

我使用的图像数据库每个班级都有不同的文件夹。我处理得很好。

有没有办法处理一个文件夹中包含所有类的图像数据库？我之前没有使用过tensorflow。张量流可以处理吗？

如何处理一个文件夹中包含所有图像类的图像数据库？在训练模型期间，我丢失了RAM（Colab 12GB RAM）

0 个答案: