我将在标签在csv文件中的图像集上训练一个模型。因此，我使用flow_from_dataframe from tf.keras并指定参数，但当涉及到class_mode时，它显示错误并显示Found 3662 validated image filenames belonging to 1 classes.-对于稀疏和分类。这是多类分类。”
“最初标签是int，所以我将其转换为字符串，然后我得到了这个输出。”
df_train=pd.read_csv(r"../input/train.csv",delimiter=',')
df_test=pd.read_csv(r"../input/test.csv",delimiter=',')
print(df_train.head())
print(df_test.head())
df_train['id_code']=df_train['id_code']+'.png'
df_train['diagnosis']=str(df_train['diagnosis'])
df_test['id_code']=df_test['id_code']+'.png'
""" output is
id_code diagnosis
0 000c1434d8d7 2
1 001639a390f0 4
2 0024cdab0c1e 1
3 002c21358ce6 0
4 005b95c28852 0
id_code
0 0005cfc8afb6
1 003f0afdcd15
2 006efc72b638
3 00836aaacf06
4 009245722fa4
"""
train_datagen = ImageDataGenerator(
rescale = 1./255,
rotation_range=30,
width_shift_range=0.2,
height_shift_range=0.2,
shear_range=0.2,
zoom_range=0.2,
horizontal_flip=True,
fill_mode='nearest')
TRAINING_DIR='../input/train_images'
train_generator= train_datagen.flow_from_dataframe(
dataframe=df_train,
directory=TRAINING_DIR,
x_col='id_code',
y_col='diagnosis',
batch_size=20,
target_size=(1050,1050),
class_mode='categorical'#used also sparsed
)
""" output is
Found 3662 validated image filenames belonging to 1 classes.
"""“我希望得到"Found 3662 validated image filenames belonging to 5 classes"的输出，但实际输出是"Found 3662 validated image filenames belonging to 1 classes"
”
3条答案
按热度按时间uoifb46i1#
“sparse”类模式需要整数值，“categorical”需要类列的一个热编码向量。所以我会尝试：
然后使用“稀疏”类模式。
或者或者你可以使用one hot encoding，像这样：
然后使用“categorical”class_mode：
4dbbbstv2#
感谢@Simon Delecourt，我得到了这个问题的答案。
我以前
在将列
diagnosis的数据类型转换为str时sczxawaw3#
我不确定一次热编码是否有帮助......当class_mode设置为“categorical”时，flow_from_dataframe（）会自动对y_col中指定的目标变量执行一次热编码。