autoKeras Windows 的入門測試

標籤：rac   技術分享   image   mit   tps   驗證   eval   tar   列印   

　　在測試中分析一下ide的效果，在pycharm中測試的時候老師提示記憶體溢出，而且跑autoKeras的cnn時確實消耗很大空間。但是同樣的電腦，換了vscode進行測試的時候沒有問題。我也不知道什麼回事。推薦如果電腦運行記憶體沒有12G建議別跑了。剛好的話建議使用vscode這款ide執行效率比較高。而且毛病少。唯一的確定就是，寫代碼的效率不高。你也可以在pycharm寫代碼，放到vscode進行執行測試。

測試資料下載連結: https://pan.baidu.com/s/16a1PN3L-lYy-61Wfjvd1VQ 密碼: 3ubr

測試代碼：

# coding:utf-8import osos.environ[‘TF_CPP_MIN_LOG_LEVEL‘] = ‘2‘import numpy as npimport matplotlib.pyplot as pltfrom scipy.misc import imresizeimport cv2from autokeras.image_supervised import ImageClassifierfrom sklearn.metrics import accuracy_scorefrom keras.models import load_modelfrom keras.utils import plot_modelimport timestart = time.time()def read_img(path,class_num):    imgName_list = os.listdir(path)    n = len(imgName_list)    # img_index,img_colummns,img_rgbSize = plt.imread(path+‘/‘+imgName_list[0]).shape    img_index, img_colummns = [28,38]  # 這個設定很重要。如果你的電腦很好的話可以忽略設定。要不然記憶體不足的。    print(img_index,img_colummns)    data = np.zeros([n,img_index,img_colummns,1])    label = np.zeros([n,1])    class_number = 0    for i in range(n):        imgPath = path+‘/‘+imgName_list[i]        data[i,:,:,0] = imresize(cv2.cvtColor(plt.imread(imgPath),cv2.COLOR_BGR2GRAY),[img_index,img_colummns])        if (i)%(class_num) == 0:            class_number = class_number+1        label[i,0] = class_number    return data,labelx_train,y_train = read_img(‘./data/re/train‘,80)x_test,y_test = read_img(‘./data/re/test‘,20)animal = [‘bus‘, ‘dinosaur‘, ‘flower‘, ‘horse‘, ‘elephant‘]  # 動物類別對應 labelValue 為 [1,2,3,4,5]# plt.imshow(x_test[0,:,:,0],cmap=‘gray‘)# plt.show()if __name__==‘__main__‘:    # 模型構建    model = ImageClassifier(verbose=True)    # 搜尋網路模型    model.fit(x_train,y_train,time_limit=1*60)    # 驗證最優模型    model.final_fit(x_train,y_train,x_test,y_test,retrain=True)    # 給出評估結果    score = model.evaluate(x_test,y_test)    # 識別結果    y_predict = model.predict(x_test)    # 精確度    accuracy = accuracy_score(y_test,y_predict)    # 列印出score與accuracy    print(‘score:‘,score,‘  accuracy:‘,accuracy)    model_dir = r‘./modelStructure/imgModel.h5‘    model_img = r‘./modelStructure/imgModel_ST.png‘    # 儲存可視化模型    # model.load_searcher().load_best_model().produce_keras_model().save(model_dir)    # 載入模型    # automodel = load_model(model_dir)    # 輸出模型 structure 圖    # plot_model(automodel, to_file=model_img)    end = time.time()    print(end-start)

 

 

autoKeras Windows 的入門測試