标签：sha app 归一化 zip int tps axis direct files
ImageDataGenerator.flow_from_directory（）的用法已经非常多了，优点是简单方便，但数据量很大时，需要组织目录结构和copy数据，很浪费资源和时间
1. 训练时从txt加载数据（参考：https://blog.csdn.net/u013491950/article/details/88817310）
2. 预测时从txt加载数据：
... ...
def get_gen(img_root_txt,_BS):
cnt = 0
imgs = []
files = []
for n in open(img_root_txt):
_n = n[:-1]
files.append(_n)
img_2 = image.load_img(_n, target_size=(64, 64))
img_3 = (image.img_to_array(img_2))/255
img_3 = np.expand_dims(img_3, axis=0)
imgs.append(img_3)
if cnt > _BS:
break
cnt = cnt + 1
x = np.concatenate([x for x in imgs])
print(x.shape)
return x,files
gen,files = get_gen(‘./imgs_root.txt‘, BS)
xx = model.predict(gen)
for n,m in zip(files, xx):
if m[0]<m[1]:
print(n, m)
... ...
注意：txt存数据路径，预测结果是各个分类的概率，！！！预测时图像预处理方式与训练时图像预处理方式需保持一致（尺寸、归一化等）
标签：sha app 归一化 zip int tps axis direct files
原文地址：https://www.cnblogs.com/niulang/p/12918286.html
