为什么 keras 测试生成器仅返回批量大小作为数组形状的长度？

Question

这是我的测试生成器代码：

test_generator=test_datagen.flow_from_dataframe(
                      dataframe=df_test,
                      directory=img_dir,
                      x_col="filename",
                      y_col="label",
                      batch_size=32,
                      seed=42,
                      shuffle=False,
                      class_mode="categorical",
                      target_size=(img_size,img_size))

为什么

batch_size

参数在创建生成器后仍然很重要：

Found 229 validated image filenames belonging to 2 classes.

例如，创建生成器后数组的形状限制为 32 - 批量大小：

x_test, y_test = test_generator.next()

这是

x_test

的形状，我假设这是包含实际图像数据的数组：

>>> print(x_test.shape)
(32, 224, 224, 3)

这是我将其与预测长度进行比较的结果：

print(len(x_test))  #32
print(len(y_test))  #32
print(len(pred))    #229

由于

y_test

的大小与预测有很大不同，我很难进行任何类型的比较。

y_test

与批量大小设置为 32 的

test_generator

直接相关。

测试生成器标签似乎具有正确数量的元素：

test_generator.labels

[0, 0, 0, 0, 1, 1, 0, 1, 1, 0, 1, 1, 0, 0, 0, 1, 0, 1, 0, 0, 0, 1, 0, 1, 1, 0, 0, 0, 1, 0, 0, 0, 1, 0........

那么为什么

x_test

的形状只有32呢？我显然错误地认为它应该是 229，因为有 229 个样本，229 个标签？

Answer 1

正如文档here所述，生成器返回的是：

生成 (x, y) 元组的 DataFrameIterator，其中 x 是一个 numpy 数组，其中包含一批形状为（batch_size、target_size、channels）的图像，y 是相应标签的 numpy 数组。

所以，

test_generator

是一个

DataFrameIterator

，每次调用它时，它都会给你一批形状为

(32, 224, 224, 3)

的图像。因此，您错误地认为它应该是 229，因为有 229 个样本。每次它都会从 229 个样本中为您提供一批 32 个图像。