我正在使用 keras 构建一个输入 720x1280 图像并输出值的模型。
我有问题keras.models.Sequential.predict_generator
当使用keras.utils.Sequence
类来获取与验证/训练集上的图像相对应的值。返回的值被打乱,所以我不知道哪个输出对应于哪个图像。
这就是我的生成器的定义方式
from skimage.io import ImageCollection, imread
from keras.utils import Sequence
def load_images(f):
return imread(f).astype(np.float64)
class DataSetImageKeras(Sequence):
def __init__(self, image_collection, values, batch_size):
self.images = image_collection
self.hf = values
self.batch_size = batch_size
self.n = len(self.images)
self.x_scale = 250
self.y_scale = 1e4
def __len__(self):
return int(np.ceil(len(self.images) / float(self.batch_size)))
def __getitem__(self, idx):
# batch_x is a numpy.ndarray
batch_x = (
self.images[idx:min(idx + self.batch_size, self.n)]
.concatenate()
.reshape(self.batch_size, 720, 1280, 1)
)
batch_y = self.hf[idx:min(idx + self.batch_size, self.n)]
return batch_x/self.x_scale, batch_y/self.y_scale
images_train = ImageCollection(images_paths_train, load_func=load_images)
images_val = ImageCollection(images_paths_test, load_func=load_images)
data_train = DataSetImageKeras(images_train, values_train, n_batch)
data_val = DataSetImageKeras(images_val, values_val, n_batch)
from keras.models import load_model
model = load_model('model001') #this model is already trained
如果我使用以下代码:
val_result = []
val_hf =[]
for (batch_x, batch_y) in data_val:
val_result.append(model.predict_on_batch(batch_x))
val_hf.append(batch_y)
val_result = np.concatenate(val_result)
val_hf = np.concatenate(val_hf)
plt.plot(val_hf,
val_result,
marker='.',
linestyle='')
得到了正确的结果(如上所示这个图片其中 x 是期望值,y 是预测值)
但是,如果我使用 Predict_generator 函数,如下所示:
val_result = model.predict_generator(data_val, verbose=1,
workers=1,
max_queue_size=50,
use_multiprocessing=False)
可以看到输出已打乱here.
我的问题类似于#5048 and
#6745,
应该通过以下方式解决#6891API,但我使用的是 keras 版本 2.1.6,即使使用时它仍然会打乱我的预测workers=1
.
它也类似于this,但我没有找到任何可以重置生成器的东西,如果我定义一个新的生成器并尝试运行该生成器,这个问题仍然存在predict_generator
.
我还发现一些内容表明它可能与批次数不完全除以样本数有关,但如果我使用,这个问题仍然存在n_batch=1
作为旁注,predict_generator 可能不会对数据进行混洗,而只是用索引偏移量返回它,因为输入数据values
and images_paths
已经被洗牌了。