Как вручную указать метки классов в keras flow_from_directory?

Вы можете написать собственный класс генератора, который будет считывать файлы из каталога и применять маркировку. Этот настраиваемый генератор также может принимать экземпляр ImageDataGenerator, который будет создавать пакеты с помощью flow ().

Я представляю себе что-то вроде этого:

class Generator():

    def __init__(self, X, Y, img_data_gen, batch_size):
        self.X = X
        self.Y = Y  # Maybe a file that has the appropriate label mapping?
        self.img_data_gen = img_data_gen  # The ImageDataGenerator Instance
        self.batch_size = batch_size

    def apply_labels(self):
        # Code to apply labels to each sample based on self.X and self.Y

    def get_next_batch(self):
        """Get the next training batch"""
        self.img_data_gen.flow(self.X, self.Y, self.batch_size)

Тогда просто:

img_gen = ImageDataGenerator(...)
gen = Generator(X, Y, img_gen, 128)

model.fit_generator(gen.get_next_batch(), ...)

* Отказ от ответственности: я на самом деле не тестировал это, но теоретически это должно работать.

Вы можете просто использовать flow_from_directory и расширить его до мультикласса следующим образом:

def multiclass_flow_from_directory(flow_from_directory_gen, multiclasses_getter):
    for x, y in flow_from_directory_gen:
        yield x, multiclasses_getter(x, y)

Где multiclasses_getter назначает мультиклассовый вектор / ваше мультиклассовое представление вашим изображениям. Обратите внимание, что x и y - это не отдельные примеры, а наборы примеров, поэтому это должно быть включено в ваш multiclasses_getter дизайн.

# Training the model
history = model.fit(train_generator, steps_per_epoch=steps_per_epoch, epochs=3, validation_data=val_generator,validation_steps=validation_steps, verbose=1,
                    callbacks= keras.callbacks.ModelCheckpoint(filepath='/content/results',monitor='val_accuracy', save_best_only=True,save_weights_only=False))

validation_steps или steps_per_epoch могут превышать исходные параметры.

steps_per_epoch= (int(num_of_training_examples/batch_size) может помочь. Аналогично validation_steps= (int(num_of_val_examples/batch_size) поможет