keras 从txt加载预测数据

ImageDataGenerator.flow_from_directory（）的用法已经非常多了，优点是简单方便，但数据量很大时，需要组织目录结构和copy数据，很浪费资源和时间

1. 训练时从txt加载数据（参考：https://blog.csdn.net/u013491950/article/details/88817310）

2. 预测时从txt加载数据：

... ...
def get_gen(img_root_txt,_BS):
    cnt = 0
    imgs = []
    files = []
    for n in open(img_root_txt):
        _n = n[:-1]
        files.append(_n)
        img_2 = image.load_img(_n, target_size=(64, 64))
        img_3 = (image.img_to_array(img_2))/255
        img_3 = np.expand_dims(img_3, axis=0)
        imgs.append(img_3)
        if cnt > _BS:
            break
        cnt = cnt + 1
    x = np.concatenate([x for x in imgs])
    print(x.shape)

    return x,files

gen,files = get_gen('./imgs_root.txt', BS)
xx = model.predict(gen)
for n,m in zip(files, xx):
    if m[0]<m[1]:
        print(n, m)
... ...

　　注意：txt存数据路径，预测结果是各个分类的概率，！！！预测时图像预处理方式与训练时图像预处理方式需保持一致（尺寸、归一化等）