为什么keras test generator only return batch size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))

为什么在创建生成器后 batch_size 参数仍然重要：

Found 229 validated image filenames belonging to 2 classes.

比如生成器创建后数组的shape被限制为32 - batch size:

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后的结果：

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。

测试生成器标签的元素数量似乎正确：

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........

那为什么x_test的形状只有32呢？我显然想错了应该是229，因为有229个样本，229个标签？

非常感谢您的建议！

Answer 1

正如文档 here 所述，生成器 returns 是什么：

A DataFrameIterator yielding tuples of (x, y) where x is a numpy array containing a batch of images with shape (batch_size, target_size, channels) and y is a numpy array of corresponding labels.

因此，test_generator 是一个 DataFrameIterator，每次调用它时，它都会为您提供一批形状为 (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 张图像。

为什么keras test generator only return batch size作为数组形状的长度？

Why does keras test generator only return batch size as the length in the shape of the array?

generator

image-processing

keras