num_classes = 6 # количество классов изображений
# размер изображения, класс изображения
one_layer_net = OneLayerNet(input_height * input_width, num_classes)
#путь деррикториям с картинками
train_dir = "data/train"
test_dir = "data/test"
train_generator = DataReader(train_dir, [input_height, input_width], True,
input_channels, num_classes).get_generator()
# берется с помощью DataReader изображения, тренировочную и тестовую выборку
test_generator = DataReader(test_dir, [input_height, input_width], False,
input_channels, num_classes).get_generator()
print('Size of training set: {}'.format(
train_generator.get_data_size())) # вес тренировочных изображений
print('Size of testing set: {}'.format(
test_generator.get_data_size())) # вес тесовых изображенй изображений
print("{} Start training...".format(datetime.now())) # время начала обучения
# функция ,которая для каждой итерации считает ошибочность распознавания в обучении
for epoch in range(num_epochs):
print("{} Epoch number: {}".format(datetime.now(), epoch + 1))
loss = 0
for m in range(train_generator.get_data_size()): # переборка векторов
x, d = train_generator.next()
loss += one_layer_net.train(Vector(x, d),
learning_rate) # подсчет ошибок
print("loss = {}".format(loss / train_generator.get_data_size()))
train_generator.reset_pointer()
merged_summary = tf.summary.merge_all()
valid_summary = tf.Summary()
# Инициализируем FileWriter
writer_1 = tf.summary.FileWriter(filewriter_path + 'train')
writer_2 = tf.summary.FileWriter(filewriter_path + 'validation')
# Инициализируем заставку для контрольных точек модели чекпоинт
saver = tf.train.Saver()
train_dir = '../data/train'
test_dir = '../data/test'
train_generator = DataReader(train_dir, [input_height, input_width], True, input_channels, num_classes).get_generator()
test_generator = DataReader(test_dir, [input_height, input_width], False, input_channels, num_classes).get_generator()
print('Размер обучающего набора: {}'.format(train_generator.get_data_size()))
print('Размер испытательного комплекта: {}'.format(test_generator.get_data_size()))
train_patterns_per_epoch = train_generator.get_data_size()
# Начнаем сеанс
with tf.Session() as sess:
# Инициализация всех переменных
sess.run(tf.global_variables_initializer())
# Добавим грфик модели в TensorBoard
writer_1.add_graph(sess.graph)
print("{} приступить к тренировкам...".format(datetime.now()))
print("{} Откройте Tensorboard по команде: tensorboard --logdir {}".format(datetime.now(),
log_path))
# Инициализируйте FileWriter
writer_1 = tf.summary.FileWriter(filewriter_path + 'train')
writer_2 = tf.summary.FileWriter(filewriter_path + 'validation')
# Инициализируйте заставку для контрольных точек модели чекпоинт
saver = tf.train.Saver()
train_dir = '../data/train'
test_dir = '../data/test'
train_generator = DataReader(train_dir, [input_height, input_width], True,
input_channels, num_classes).get_generator()
test_generator = DataReader(test_dir, [input_height, input_width], False,
input_channels, num_classes).get_generator()
print('Size of training set: {}'.format(train_generator.get_data_size()))
print('Size of testing set: {}'.format(test_generator.get_data_size()))
train_patterns_per_epoch = train_generator.get_data_size()
# начать сеанс
with tf.Session() as sess:
# инициализация всех переменных
sess.run(tf.global_variables_initializer())
# добавит грфик модели в TensorBoard
writer_1.add_graph(sess.graph)
print("{} Start training...".format(datetime.now()))
print("{} Open Tensorboard by command: tensorboard --logdir {}".format(
datetime.now(), log_path))
input_channels = 1
input_height = 28
input_width = 28
num_classes = 6
one_layer_net = OneLayerNet(input_height * input_width, num_classes)
train_dir = "data/train"
test_dir = "data/test"
train_generator = DataReader(train_dir, [input_height, input_width], True,
input_channels, num_classes).get_generator()
test_generator = DataReader(test_dir, [input_height, input_width], False,
input_channels, num_classes).get_generator()
print('Size of training set: {}'.format(train_generator.get_data_size()))
print('Size of testing set: {}'.format(test_generator.get_data_size()))
print("{} Start training...".format(datetime.now()))
for epoch in range(num_epochs):
print("{} Epoch number: {}".format(datetime.now(), epoch + 1))
loss = 0
for m in range(train_generator.get_data_size()):
x, d = train_generator.next()
loss += one_layer_net.train(Vector(x, d), learning_rate)
print("loss = {}".format(loss / train_generator.get_data_size()))
train_generator.reset_pointer()
train_generator.shuffle_data()
passed = 0
for i in range(test_generator.get_data_size()):
