Keras 数据生成器预测相同数量的值

编程问答 2022-05-28

问题描述

我已经实现了一个基于 CNN 的回归模型，该模型使用数据生成器来使用我拥有的大量数据。训练和评估效果很好，但预测存在问题。例如，如果我想从 50 个样本的测试数据集中预测值，我使用批次大小为 5 的 model.predict。问题是 model.predict 返回 5 个重复 10 次的值，而不是 50 个不同的值。如果我将批量大小更改为 1，也会发生同样的事情，它将返回一个值 50 次。

为了解决这个问题，我使用了完整的批量大小（在我的示例中为 50），并且它起作用了。但是我不能在我的整个测试数据上使用这种方法，因为它太大了。

您有其他解决方案吗，或者我的方法有什么问题？

我的数据生成器代码：

import numpy as np
import keras

class DataGenerator(keras.utils.Sequence):
    'Generates data for Keras'
    def __init__(self,list_IDs,data_X,data_Z,target_y batch_size=32,dim1=(120,120),dim2 = 80,n_channels=1,shuffle=True):
        'Initialization'
        self.dim1 = dim1
        self.dim2 = dim2
        self.batch_size = batch_size
        self.data_X = data_X
        self.data_Z = data_Z
        self.target_y = target_y
        self.list_IDs = list_IDs
        self.n_channels = n_channels
        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 range(len(indexes))]

        # Generate data
        ([X,Z],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.dim1,self.n_channels))
        Z = np.empty((self.batch_size,self.dim2))
        y = np.empty((self.batch_size))

        # Generate data
        for i,ID in enumerate(list_IDs_temp):
            # Store sample
            X[i,] = np.load('data/' + data_X + ID + '.npy')
            Z[i,] = np.load('data/' + data_Z + ID + '.npy')

            # Store target
            y[i] = np.load('data/' + target_y + ID + '.npy')

我如何调用 model.predict()

predict_params = {'list_IDs': 'indexes','data_X': 'images','data_Z': 'factors','target_y': 'True_values'
                  'batch_size': 5,'dim1': (120,'dim2': 80,'n_channels': 1,'shuffle'=False}

# Prediction generator
prediction_generator = DataGenerator(test_index,**predict_params)

predition_results = model.predict(prediction_generator,steps = 1,verbose=1)

解决方法

当您使用生成器时，您可以指定批量大小。 model.predict 将产生批量大小数量的输出预测。如果您设置 steps=1，这就是您将获得的所有预测。要设置步骤，您应该获取您拥有的样本数量并将其除以批量大小。例如，如果您有 50 张批量大小为 5 的图像，那么您应该将步长设置为 10。理想情况下，您希望只通过一次测试集。下面的代码将确定批量大小和执行此操作的步骤。在代码中 b_max 是您选择的限制最大批量大小的值。您应该根据您的内存大小进行设置，以避免出现 OOM（内存不足）错误。在下面的代码中，参数长度等于您拥有的测试样本数。

length=500
b_max=80
batch_size=sorted([int(length/n) for n in range(1,length+1) if length % n ==0 and length/n<=b_max],reverse=True)[0]  
steps=int(length/batch_size)

结果将是batch_size= 50 steps=10。请注意，如果长度是质数，结果将是 batch_size=1 和 steps=length

,

如果我们查看您的 __getitem__ 函数，我们可以看到以下代码：

        list_IDs_temp = [self.list_IDs[k] for k in range(len(indexes))]

此代码将始终返回相同的数字 ID，因为索引的长度 len 始终相同（至少只要所有批次具有相同数量的样本），我们只循环第一个每次都有几个索引。

您已经预先提取了当前批次的索引，因此根本不需要有错误的行。以下代码应该可以工作：

    def __getitem__(self,index):
        'Generate one batch of data'
        # Generate indexes of the batch
        list_IDs_temp = self.indexes[index*self.batch_size:(index+1)*self.batch_size]

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

        return ([X,y)

看看这段代码是否有效，你会得到不同的结果。您现在应该得到错误的预测，因为在训练期间，您的模型也只会在与现在相同的几个数据点上进行训练。

,

根据 this 解决方案，您需要将 steps 更改为要测试的图像总数。试试：

# Assuming test_index is a list
predition_results = model.predict(prediction_generator,steps = len(test_index),verbose=1)
deep-learningkeraskeraskeras-rlpredicttensorflowtensorflowtensorflow