python - 我们如何导入 MNIST 图像而不是数据帧？

Question

我正在尝试使用 keras 在 ResNet50 上运行 MNIST 数据集。我陷入了在 keras 中可用的 mnist 数据集上使用 ImageDatagenerator 从目录导入文件的部分。如果我正确理解 data_generator.flow_from_directory 那么它会要求图像路径作为其第一个参数。

但是，我无法弄清楚如何输入这些可用的 mnist 数据。

我知道 from keras.datasets import mnist 中可用的文件作为数据帧导入。而 flow_from_directory('../input/train',..) 正在询问图像的路径

如有任何帮助，我们将不胜感激。

from tensorflow.python.keras.applications.resnet50 import preprocess_input
from tensorflow.python.keras.preprocessing.image import ImageDataGenerator

image_size = 224
data_generator = ImageDataGenerator() 
import pandas
train_generator = data_generator.flow_from_directory(
        '../input/train',
        target_size=(image_size, image_size),
        batch_size=200,
        class_mode='categorical')

validation_generator = data_generator.flow_from_directory(
        '../input/val',
        target_size=(image_size, image_size),
        class_mode='categorical')

Answer 1

Mnist 数据集与 keras 集成。您可以按如下方式使用

from keras.datasets import mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()

在这种情况下，您将不需要 ImageDataGenerator。您可以只适合返回到模型的元组

model.fit(x= x_train, y= y_train, validation_data= (x_test,y_test))

来源 - keras datasets
来源 - Model class API

编辑:
对于Resnet，您可以尝试使用Lambda层来调整图像大小 Link to SO answer

另一种选择是将数据帧转换为 numpy 数组并使用上面代码中显示的 fit 函数