Machine learning Keras多标签图像分类。我是否正确传递数据？我的预处理正确吗？

我陷入了keras多标签问题。我得到了使用自定义数据生成器创建小批量并避免内存问题的提示

我使用的csv文件包含ID、文件名及其相应的标签（总共21个），如下所示：

Filename  label1  label2  label3  label4  ...   ID
abc1.jpg    1       0       0       1     ...  id-1
def2.jpg    1       0       0       1     ...  id-2
ghi3.jpg    1       0       0       1     ...  id-3
...

我将ID和标签放入字典中，字典具有以下输出：

partition: {'train': ['id-1','id-2','id-3',...], 'validation': ['id-7','id-14','id-21',...]}
labels:    {'id-0': [1, 0, 0, 1, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1],
            'id-1': [1, 0, 0, 1, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1],
            'id-2': [1, 0, 0, 1, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1],
             ...}

我还有一个文件夹，每个图像都保存为一个npy文件，将由下面的自定义数据生成器获取：

import numpy as np
import keras
from keras.layers import *
from keras.models import Sequential

class DataGenerator(keras.utils.Sequence):
    'Generates data for Keras'
    def __init__(self, list_IDs, labels, batch_size=32, dim=(224,224), n_channels=3,
                 n_classes=21, shuffle=True):
        'Initialization'
        self.dim = dim
        self.batch_size = batch_size
        self.labels = labels
        self.list_IDs = list_IDs
        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'
        return int(np.floor(len(self.list_IDs) / 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
        list_IDs_temp = [self.list_IDs[k] for k in indexes]

        # Generate data
        X, y = self.__data_generation(list_IDs_temp)

        return X, y

    def on_epoch_end(self):
        'Updates indexes after each epoch'
        self.indexes = np.arange(len(self.list_IDs))
        if self.shuffle == True:
            np.random.shuffle(self.indexes)

    def __data_generation(self, list_IDs_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(list_IDs_temp):
            # Store sample
            X[i,] = np.load('Folder with npy files/' + ID + '.npy')

            # Store class
            y[i] = self.labels[ID]

        return X, keras.utils.to_categorical(y, num_classes=self.n_classes)

到目前为止，我的笔记本没有给我任何错误，但当我执行以下操作时：

model.compile(loss='categorical_crossentropy', optimizer='rmsprop', metrics=['accuracy'])

# Train model on dataset
model.fit_generator(generator=training_generator,
                    validation_data=validation_generator,
                    epochs=5,
                    use_multiprocessing=True,
                    workers=2)

我收到如下错误消息：

Filename  label1  label2  label3  label4  ...   ID
abc1.jpg    1       0       0       1     ...  id-1
def2.jpg    1       0       0       1     ...  id-2
ghi3.jpg    1       0       0       1     ...  id-3
...

线程7中的异常： 回溯（最近一次呼叫最后一次）： 文件“c:\users\sebas\appdata\local\programs\python\python36\lib\threading.py”，第916行，在\u bootstrap\u inner中 self.run（）

文件“c:\users\sebas\appdata\local\programs\python\python36\lib\multiprocessing\reduce.py”，第60行，转储文件 ForkingPickler（文件、协议）.dump（obj） 断管错误：[Errno 32]断管

感觉我传递或使用的数据有点不正确！？

---

如果有人有想法或提示如何更好地传递数据或解决此问题，我将不胜感激。即使是不同的方法也会很棒。提前感谢您的帮助。

use\u multiprocessing=True

在windows（）上不受支持。删除该参数和

workers

参数。

谢谢，这至少消除了断管错误。现在我得到了一个不同的错误：ValueError：设置一个带有序列的数组元素。我猜我的数据传递不正确！？