标签: image-preprocessing

    import numpy as np
    from keras.preprocessing import image
    import matplotlib.pyplot as plt
    import matplotlib.image as mpimg
    import matplotlib.pyplot as plt
    import matplotlib.image as mpimg
    
    
    %matplotlib inline
    
    
    
    path = './test/paper2.png'
    
    img = image.load_img(path, target_size=(150,150))
    imgplot = plt.imshow(img)
    x = image.img_to_array(img)
    img_test = np.expand_dims(x, axis=0)
    
    classes = model.predict(img_test, batch_size=10)
    
    print(classes)
    paper, rock, scissors = classes[0]
    
    if paper==1.:
        print('paper')
    elif rock==1.:
        print('rock')
    else:
        print('scissors')

输出 ：

AttributeError: module 'keras.preprocessing.image' has no attribute 'load_img'

当我尝试跑步时。该错误是什么意思以及如何修复它？帮助大家:)我正在努力学习，我不知道哪一个是错的

我正在对猫和狗的数据集训练二元分类器：
总数据集：10000 张图像
训练数据集：8000 张图像
验证/测试数据集：2000 张图像

Jupyter 笔记本代码：

# Part 2 - Fitting the CNN to the images
train_datagen = ImageDataGenerator(rescale = 1./255,
                                   shear_range = 0.2,
                                   zoom_range = 0.2,
                                   horizontal_flip = True)

test_datagen = ImageDataGenerator(rescale = 1./255)

training_set = train_datagen.flow_from_directory('dataset/training_set',
                                                 target_size = (64, 64),
                                                 batch_size = 32,
                                                 class_mode = 'binary')

test_set = test_datagen.flow_from_directory('dataset/test_set',
                                            target_size = (64, 64),
                                            batch_size = 32,
                                            class_mode = 'binary')

history = model.fit_generator(training_set,
                              steps_per_epoch=8000,
                              epochs=25,
                              validation_data=test_set,
                              validation_steps=2000)

我在 CPU 上训练它没有问题，但是当我在 GPU 上运行时，它抛出了这个错误：

Found 8000 images belonging …

我试图实施ZCA美白并找到一些文章来做,但它们有点令人困惑..有人可以为我照亮吗？

任何提示或帮助表示赞赏!

这是我读过的文章:

http://courses.media.mit.edu/2010fall/mas622j/whiten.pdf http://bbabenko.tumblr.com/post/86756017649/learning-low-level-vision-feautres-in-10-lines-of

我尝试了几件事,但大多数我都不明白,我被锁定了一步.现在我以此为基础重新开始:

dtype = np.float32
data = np.loadtxt("../inputData/train.csv", dtype=dtype, delimiter=',', skiprows=1)
img = ((data[1,1:]).reshape((28,28)).astype('uint8')*255)

我在教程中看到(没有进一步的解释)我们可以将数据处理为零均值x -= np.mean(x, axis=0)并使用数据标准化x /= np.std(x, axis=0).任何人都可以在代码上详细说明这两个部分,我从文档中得到的只是np.mean计算算术平均值沿特定轴计算平均值np.std并为标准偏差计算.

我正在使用Keras VGG16模型。

我已经看到，有一个preprocess_input方法可以与VGG16模型结合使用。该方法似乎在imagenet_utils.py中调用preprocess_input方法，该方法（取决于大小写）在imagenet_utils.py中调用_preprocess_numpy_input方法。

该preprocess_input有mode哪些期待“朱古力”，“TF”，或“火炬”的说法。如果我在带有TensorFlow后端的Keras中使用模型，我应该绝对使用mode="tf"吗？

如果是，这是否是因为Keras加载的VGG16模型受过经过相同预处理（即，将输入图像的范围从[0,255]更改为输入范围[-1,1]）的图像进行了训练？

另外，用于测试模式的输入图像也应进行此预处理吗？我相信最后一个问题的答案是肯定的，但我希望得到保证。

我希望Francois Chollet能够正确地做到这一点，但是看他是不是https://github.com/fchollet/deep-learning-models/blob/master/vgg16.py，或者我使用错了mode="tf"。

更新信息

@FalconUA将我带到牛津的VGG，那里有一个模型部分，其中包含16层模型的链接。通过以下模型 16层模型中的链接可以找到有关将preprocessing_input mode参数tf缩放为-1到1并caffe减去一些平均值的信息：信息页面。在“说明”部分中，它说：