keras使用Sequence类调用大规模数据集进行训练的实现
作者:aszxs 时间:2021-01-03 20:24:35
使用Keras如果要使用大规模数据集对网络进行训练,就没办法先加载进内存再从内存直接传到显存了,除了使用Sequence类以外,还可以使用迭代器去生成数据,但迭代器无法在fit_generation里开启多进程,会影响数据的读取和预处理效率,在本文中就不在叙述了,有需要的可以另外去百度。
下面是我所使用的代码
class SequenceData(Sequence):
def __init__(self, path, batch_size=32):
self.path = path
self.batch_size = batch_size
f = open(path)
self.datas = f.readlines()
self.L = len(self.datas)
self.index = random.sample(range(self.L), self.L)
#返回长度,通过len(<你的实例>)调用
def __len__(self):
return self.L - self.batch_size
#即通过索引获取a[0],a[1]这种
def __getitem__(self, idx):
batch_indexs = self.index[idx:(idx+self.batch_size)]
batch_datas = [self.datas[k] for k in batch_indexs]
img1s,img2s,audios,labels = self.data_generation(batch_datas)
return ({'face1_input_1': img1s, 'face2_input_2': img2s, 'input_3':audios},{'activation_7':labels})
def data_generation(self, batch_datas):
#预处理操作
return img1s,img2s,audios,labels
然后在代码里通过fit_generation函数调用并训练
这里要注意,use_multiprocessing参数是是否开启多进程,由于python的多线程不是真的多线程,所以多进程还是会获得比较客观的加速,但不支持windows,windows下python无法使用多进程。
D = SequenceData('train.csv')
model_train.fit_generator(generator=D,steps_per_epoch=int(len(D)),
epochs=2, workers=20, #callbacks=[checkpoint],
use_multiprocessing=True, validation_data=SequenceData('vali.csv'),validation_steps=int(20000/32))
同样的,也可以在测试的时候使用
model.evaluate_generator(generator=SequenceData('face_test.csv'),steps=int(125100/32),workers=32)
补充知识:keras数据自动生成器,继承keras.utils.Sequence,结合fit_generator实现节约内存训练
我就废话不多说了,大家还是直接看代码吧~
#coding=utf-8
'''
Created on 2018-7-10
'''
import keras
import math
import os
import cv2
import numpy as np
from keras.models import Sequential
from keras.layers import Dense
class DataGenerator(keras.utils.Sequence):
def __init__(self, datas, batch_size=1, shuffle=True):
self.batch_size = batch_size
self.datas = datas
self.indexes = np.arange(len(self.datas))
self.shuffle = shuffle
def __len__(self):
#计算每一个epoch的迭代次数
return math.ceil(len(self.datas) / float(self.batch_size))
def __getitem__(self, index):
#生成每个batch数据,这里就根据自己对数据的读取方式进行发挥了
# 生成batch_size个索引
batch_indexs = self.indexes[index*self.batch_size:(index+1)*self.batch_size]
# 根据索引获取datas集合中的数据
batch_datas = [self.datas[k] for k in batch_indexs]
# 生成数据
X, y = self.data_generation(batch_datas)
return X, y
def on_epoch_end(self):
#在每一次epoch结束是否需要进行一次随机,重新随机一下index
if self.shuffle == True:
np.random.shuffle(self.indexes)
def data_generation(self, batch_datas):
images = []
labels = []
# 生成数据
for i, data in enumerate(batch_datas):
#x_train数据
image = cv2.imread(data)
image = list(image)
images.append(image)
#y_train数据
right = data.rfind("\\",0)
left = data.rfind("\\",0,right)+1
class_name = data[left:right]
if class_name=="dog":
labels.append([0,1])
else:
labels.append([1,0])
#如果为多输出模型,Y的格式要变一下,外层list格式包裹numpy格式是list[numpy_out1,numpy_out2,numpy_out3]
return np.array(images), np.array(labels)
# 读取样本名称,然后根据样本名称去读取数据
class_num = 0
train_datas = []
for file in os.listdir("D:/xxx"):
file_path = os.path.join("D:/xxx", file)
if os.path.isdir(file_path):
class_num = class_num + 1
for sub_file in os.listdir(file_path):
train_datas.append(os.path.join(file_path, sub_file))
# 数据生成器
training_generator = DataGenerator(train_datas)
#构建网络
model = Sequential()
model.add(Dense(units=64, activation='relu', input_dim=784))
model.add(Dense(units=2, activation='softmax'))
model.compile(loss='categorical_crossentropy',
optimizer='sgd',
metrics=['accuracy'])
model.compile(optimizer='sgd', loss='categorical_crossentropy', metrics=['accuracy'])
model.fit_generator(training_generator, epochs=50,max_queue_size=10,workers=1)
来源:https://blog.csdn.net/qq_22033759/article/details/88798423
标签:keras,Sequence,数据集,训练
0
投稿
猜你喜欢
python网络爬虫实战
2021-04-16 13:31:07
Python iter()函数用法实例分析
2022-11-01 00:00:01
python3调用R的示例代码
2021-05-01 21:53:59
使用Python获取CPU、内存和硬盘等windowns系统信息的2个例子
2023-08-26 23:12:32
Python中的jquery PyQuery库使用小结
2023-05-27 11:08:15
详解PHP中的mb_detect_encoding函数使用方法
2023-11-14 19:48:45
Pytorch 解决自定义子Module .cuda() tensor失败的问题
2023-11-19 15:01:57
Python将list中的string批量转化成int/float的方法
2021-12-11 00:11:59
pycharm2020.1.2永久破解激活教程,实测有效
2021-11-01 15:17:57
python selenium自动化测试框架搭建的方法步骤
2023-05-24 21:38:49
如何利用Python动态模拟太阳系运转
2022-01-14 15:01:43
Windows 下更改 jupyterlab 默认启动位置的教程详解
2023-06-11 13:10:12
anaconda安装pytorch1.7.1和torchvision0.8.2的方法(亲测可用)
2021-01-13 03:03:38
ASP.NET中MD5和SHA1密码保护算法的使用
2007-08-24 09:18:00
Python全景系列之模块与包全面解读
2022-12-09 19:26:48
Python利用WMI实现ping命令的例子
2022-07-12 04:42:22
ASP真正随机不重复查询代码
2010-01-02 20:40:00
在laravel中使用Symfony的Crawler组件分析HTML
2023-11-17 18:54:07
Python实现的服务器示例小结【单进程、多进程、多线程、非阻塞式】
2023-02-24 00:19:25
好的Python培训机构应该具备哪些条件
2022-06-22 14:52:57