質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

新規登録して質問してみよう
ただいま回答率
87.20%
Keras

Kerasは、TheanoやTensorFlow/CNTK対応のラッパーライブラリです。DeepLearningの数学的部分を短いコードでネットワークとして表現することが可能。DeepLearningの最新手法を迅速に試すことができます。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

受付中

keras imagedatagenerator

22Go
22Go

総合スコア0

Keras

Kerasは、TheanoやTensorFlow/CNTK対応のラッパーライブラリです。DeepLearningの数学的部分を短いコードでネットワークとして表現することが可能。DeepLearningの最新手法を迅速に試すことができます。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

0回答

0評価

1クリップ

3閲覧

投稿2019/06/29 01:58

kerasで画像判別の学習を行っています。
ローカルに保存してある画像をtrain/test/vali=6:3:1に分け、
trainとtestの画像に対して、imagedatageneratorを適用したいです

python

# coding:utf-8 import keras from keras.utils import np_utils from keras.layers.convolutional import Conv2D, MaxPooling2D from keras.models import Sequential from keras.layers.core import Dense, Dropout, Activation, Flatten from keras.preprocessing.image import array_to_img, img_to_array, list_pictures, load_img import numpy as np import pandas as pd from sklearn.model_selection import train_test_split import matplotlib.pyplot as plt from sklearn.neighbors import KNeighborsClassifier #【学習データの読み込み】 X = [] Y = []#category_name V = [] W = [] # aの画像 for picture in list_pictures('Der/a'): img = img_to_array(load_img(picture, target_size=(64,64))) X.append(img) Y.append(0) for picture in list_pictures('Der/a'): img = img_to_array(load_img(picture, target_size=(64,64))) V.append(img) W.append(0) # b for picture in list_pictures('Der/b'): img = img_to_array(load_img(picture, target_size=(64,64))) X.append(img) Y.append(1) for picture in list_pictures('Der/b'): img = img_to_array(load_img(picture, target_size=(64,64))) V.append(img) W.append(1) # c for picture in list_pictures('Der/c'): img = img_to_array(load_img(picture, target_size=(64,64))) X.append(img) Y.append(2) for picture in list_pictures('Der/c'): img = img_to_array(load_img(picture, target_size=(64,64))) V.append(img) W.append(2) # dの画像 for picture in list_pictures('Der/d'): img = img_to_array(load_img(picture, target_size=(64,64))) X.append(img) Y.append(3) for picture in list_pictures('Der/d'): img = img_to_array(load_img(picture, target_size=(64,64))) V.append(img) W.append(3) # e for picture in list_pictures('Der/e'): img = img_to_array(load_img(picture, target_size=(64,64))) X.append(img) Y.append(4) for picture in list_pictures('Der/e'): img = img_to_array(load_img(picture, target_size=(64,64))) V.append(img) W.append(4) # fの画像 for picture in list_pictures('Der/f'): img = img_to_array(load_img(picture, target_size=(64,64))) X.append(img) Y.append(5) for picture in list_pictures('Der/f'): img = img_to_array(load_img(picture, target_size=(64,64))) V.append(img) W.append(5) # gの画像 for picture in list_pictures('Der/g'): img = img_to_array(load_img(picture, target_size=(64,64))) X.append(img) Y.append(6) for picture in list_pictures('Der/g'): img = img_to_array(load_img(picture, target_size=(64,64))) V.append(img) W.append(6) # hの画像 for picture in list_pictures('Der/h'): img = img_to_array(load_img(picture, target_size=(64,64))) X.append(img) Y.append(7) for picture in list_pictures('Der/h'): img = img_to_array(load_img(picture, target_size=(64,64))) V.append(img) W.append(7) # load_imgをarrayに変換 X = np.asarray(X) Y = np.asarray(Y) V = np.asarray(V) W = np.asarray(W) # 画素値を0から1の範囲に変換 X = X.astype('float32') X = X / 255.0 V = V.astype('float32') V = V / 255.0 # クラスの形式を変換 Y = np_utils.to_categorical(Y, 8)#(ベクトル変換したいラベル、配列数) W = np_utils.to_categorical(W, 8) X_train, X_vali, y_train, y_vali= train_test_split(X, Y, test_size=0.2) V_test, W_test = (V, W) # 【CNNを構築】 model = Sequential() model.add(Conv2D(32, (3, 3), padding='same', input_shape=X_train.shape[1:])) model.add(Activation('relu')) model.add(Conv2D(32, (3, 3))) model.add(Activation('relu')) model.add(MaxPooling2D(pool_size=(2, 2))) model.add(Dropout(0.4)) model.add(Conv2D(64, (3, 3), padding='same')) model.add(Activation('relu')) model.add(Conv2D(64, (3, 3))) model.add(Activation('relu')) model.add(MaxPooling2D(pool_size=(2, 2))) model.add(Dropout(0.4)) model.add(Flatten()) model.add(Dense(512)) model.add(Activation('relu')) model.add(Dropout(0.4)) model.add(Dense(8))#カテゴリー数 model.add(Activation('softmax')) # 【コンパイル】 model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy']) #【学習実行】 history = model.fit(X_train, y_train, batch_size=64, epochs=100, validation_data = (X_vali, y_vali), verbose = 1) score = model.evaluate(V_test, W_test, verbose = 1) print("正解", score[1], "loss", score[0])

現在はこのような状態なのですが
この場合だと、X.Yで読み込んだカテゴリー内の画像をtrain:test=8:2に分け、
V.Wで別のディレクトリーからvalidationを作成しています。
これだと、画像を追加する時にどのディレクトリに追加するか考えるのが面倒になるので、

X.Yで読み込んだ画像をtrain/test/validationに6:3:1に振り分けた後に
imagedatageneratorで水増し作業をして学習させたいです。

詳しい方、アドバイスをお願いいたします。
宜しくお願い致します。

良い質問の評価を上げる

以下のような質問は評価を上げましょう

  • 質問内容が明確
  • 自分も答えを知りたい
  • 質問者以外のユーザにも役立つ

評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

気になる質問をクリップする

クリップした質問は、後からいつでもマイページで確認できます。

またクリップした質問に回答があった際、通知やメールを受け取ることができます。

teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

  • プログラミングに関係のない質問
  • やってほしいことだけを記載した丸投げの質問
  • 問題・課題が含まれていない質問
  • 意図的に内容が抹消された質問
  • 過去に投稿した質問と同じ内容の質問
  • 広告と受け取られるような投稿

評価を下げると、トップページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

まだ回答がついていません

会員登録して回答してみよう

15分調べてもわからないことは
teratailで質問しよう!

ただいまの回答率
87.20%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

関連した質問

同じタグがついた質問を見る

Keras

Kerasは、TheanoやTensorFlow/CNTK対応のラッパーライブラリです。DeepLearningの数学的部分を短いコードでネットワークとして表現することが可能。DeepLearningの最新手法を迅速に試すことができます。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。