Python 对CNN使用不同的目标向量

我希望使用不同的目标向量（不是标准的热编码）来训练我的CNN。我的图像数据位于10个不同的文件夹中（10个不同的类别）。如何使用所需的目标向量？

flow\u from\u directory（）

输出一个热编码的标签数组。我将标签向量存储在字典中。此外，如果有帮助的话，文件夹的名称就是标签。

正如您可能知道的那样，Keras中的是python生成器（如果您不熟悉python生成器，可以阅读更多关于它们的信息）。由于您希望使用自定义的目标向量（而不是从中生成的目标向量），因此可以通过将图像生成器包装到另一个函数中来操纵其行为。以下是如何：

首先，我们需要将自定义目标存储为numpy阵列：

#包含每个类的自定义目标的numpy数组
#自定义_目标[0]是类#1图像的目标向量
#自定义#u目标[1]是类#2图像的目标向量
#等等。
自定义\u目标=您的\u自定义\u目标

其次，我们像往常一样创建一个图像生成器，并使用

flow\u from\u目录

从磁盘读取图像。您需要将

class\u mode

参数设置为

'sparse'

，以获取每个图像的类索引。此外，您可以将

classes

参数设置为包含类名称（即目录）的列表。如果不设置此参数，将映射到标签索引的类的顺序将是字母数字的（即字母顺序最高的类的

0

，依此类推）：

train\u datagen=ImageDataGenerator（重缩放=1./255）
train_generator=来自目录的train_datagen.flow_(
“数据/列车”，
目标_大小=（150150），
批次大小=32，
class_mode='sparse'）#注意：将class_mode设置为sparse可生成整数索引

（注意：如果未设置

classes

参数，请确保

custom\u target[i]

按字母顺序对应于

i

-th类。）

现在，我们可以将生成器封装在另一个函数中，生成一批图像及其相应的数字标签，用于生成我们自己的标签：

def自定义_生成器（生成器）：
对于数据，生成器中的标签：
#获取每个类对应的自定义标签
自定义\u标签=自定义\u目标[标签]
产量数据、自定义标签

就这样！现在我们有了一个自定义生成器，我们可以将其传递给

fit\u generator

（或

predict\u generator

或

evaluate\u generator

以获得推断时间），就像任何其他生成器一样：

model.fit_生成器（自定义_生成器（系列生成器））#其余参数）

您可以提供一些您尝试过的代码吗？您可以轻松地将

ImageDataGenerator

封装在另一个函数中，并操作生成的目标向量。如果你不知道怎么做，请告诉我。请注意，只有当您的自定义目标向量可以从图像类别或图像内容推断出来时，这种方法才有效。@今天我无法编写该自定义函数。非常感谢您的帮助@Xers01你读过我的最新评论了吗？让我进一步解释一下：如果类别1中的所有图像都有一个目标向量，比如说

[2,9.8,19,78]

，或者通过分析图像的内容，您可以生成其目标向量，那么这种方法是有效的。是吗？@今天是的，确实如此，某个类/文件夹中的所有图像都具有相同的目标向量。