当您的输入不包含图像时，您如何在 keras 中 flow_from_directory？

Question

是否有适用于非图像数据的等效于 flow_from_directory 的方法？更准确地说，我将我的数据保存为一个由 numpy 数组组成的 pickle 文件。数据已经是我训练网络所需的格式；有没有办法通过读取 pickle 文件的每一行向量来拟合我的模型？或者，将我的行向量保存为单个 pickle 文件（或其他格式）并拟合一个一个读取它们的模型？

Answer 1

是的，你可以在 keras 中使用 Generators 来解决这个问题。

def Generator(File_address, Batch_Size):
    while True:
      pickle_data = []
      with (open("myfile", "rb")) as openfile: #Read pickle file. this is a sample. you can use your way to read the pickle file.
          while True:
              pickle_data.append(pickle.load(File_address))
      
      for B in range(0, len(pickle_data), Batch_Size):
          X = pickle_data[B:B+Batch_Size]
          Y = Labels[B:B+Batch_Size] #Define your labels
          yield X, Y #Returning data for training.

现在您可以使用发电机了：

train_gen = Generator('Address_to_pickle_file', Batch_Size)

Model.fit(train_gen, epochs=epoch, steps_per_epoch=Number_of_sampels//Batch_Size)

希望这对您有用。祝你好运。

当您的输入不包含图像时，您如何在 keras 中 flow_from_directory？

How do you flow_from_directory in keras when your input does not consist in images?

python

pickle

keras