基于Keras的迁移学习模型建立

最新推荐文章于 2025-02-18 13:20:24 发布

柏舟1230

最新推荐文章于 2025-02-18 13:20:24 发布

阅读量1.4k

点赞数

分类专栏：深度学习文章标签：深度学习 Keras 迁移学习 h5格式转换

本文链接：https://blog.youkuaiyun.com/qq_28891989/article/details/97546462

版权

近期在学习迁移学习的相关内容，在网上参考了很多人的博客，深受启发。也想把自己得到的收获写出来，希望能给其他人带来一些收获。

主要分为以下三个部分：

1）数据的预处理

我选择将自己的图像文件转为h5格式，下面将代码贴出。

import h5py
import skimage
import PIL
import numpy as np
import os
import json
import cv2
import matplotlib.pyplot as plt
import random


def h5py_to_file(path_train_x, path_train_y):
    '''
    函数功能，将图片转为h5格式，path_train_y是根据图像分类生成的json文件，文件格式为[{"image_id": "1.jpg","classes":1},{"image_id": "2.jpg","classes":2}]
    '''
    
    # 定义两个存放train_x,train_y的列表
    train_x = []
    train_y = []
    # 打开json文件
    with open(path_train_y, 'r') as f:
        label_file = json.load(f)
    # 利用循环，读取json文件的
    for i in range(len(label_file)):
        disease_class = label_file[i]["classes"]
        disease_name = label_file[i]["image_id"]
        train_y.append(disease_class)
        train_x_path = os.path.join(path_train_x, disease_name)
        print(train_x_path)
        # 修改图片大小
        train_x_image = cv2.resize(cv2.imdecode(np.fromfile(train_x_path, dtype=np.uint8), cv2.IMREAD_COLOR),