Keras friert bei der Verwendung von ImageDataGenerator

Question

Aus irgendeinem Grund, wenn ich einen ImageDataGenerator mit Keras verwende, friert es ein, wenn ich die Anpassung starte. Ich bekomme folgende Ausgabe. Es hängt nur auf der Linie Epoch 1/5

Using Theano backend. 
Using gpu device 0: GeForce GTX TITAN (CNMeM is disabled, cuDNN not available) 
Loading Data 
Compiling Model 
Fitting Data 
Epoch 1/5 

Es zeigt, dass eine meiner CPU-Kerne auf 100% läuft, so wird etwas auf der CPU geschieht sogar, wenn auch sollte es meine GPU werden unter Verwendung der Daten zu passen. Der folgende Code funktioniert, wenn ich den fit_generator auskommentiere und die Fit-Funktion verwende.

import os 
os.environ["THEANO_FLAGS"] = "mode=FAST_RUN,device=gpu,floatX=float32" 
import minst_loader 
import matplotlib.pyplot as plt 
import numpy as np 
from scipy.misc import imrotate 
import random 
from keras.datasets import cifar10 

np.set_printoptions(suppress = True) 

print('Loading Data') 
x_train, y_train = (minst_loader.load_images('/home/chase/Desktop/MINST/train-images.idx3-ubyte'), \ 
         minst_loader.load_labels('/home/chase/Desktop/MINST/train-labels.idx1-ubyte')) 

x_test, y_test = (minst_loader.load_images('/home/chase/Desktop/MINST/t10k-images.idx3-ubyte'), \ 
         minst_loader.load_labels('/home/chase/Desktop/MINST/t10k-labels.idx1-ubyte')) 

for i in range(len(y_train)): 
    v = np.zeros(10) 
    v[y_train[i]] = 1 
    y_train[i] = v 

#  for j in range(8): 
#   x = imrotate(x_train[i], random.random() * 20) 
#   x_train.append(x) 
#   y_train.append(y_train[i]) 


for i in range(len(y_test)): 
    v = np.zeros(10) 
    v[y_test[i]] = 1 
    y_test[i] = v 

x_train = np.array(x_train) 
y_train = np.array(y_train) 
x_test = np.array(x_test) 
y_test = np.array(y_test) 



from keras.models import Sequential 
from keras.layers.core import Dense, Dropout, Flatten 
from keras.layers.noise import GaussianNoise 
from keras.preprocessing.image import ImageDataGenerator 
from keras.optimizers import SGD 
from keras.callbacks import ProgbarLogger, Callback 

datagen = ImageDataGenerator(rotation_range = 20, dim_ordering = 'tf') 

model = Sequential() 
model.add(Flatten(input_shape = (28, 28))) 
model.add(Dense(200, activation = 'tanh')) 
model.add(Dropout(0.5)) 
model.add(Dense(20, activation = 'tanh')) 
model.add(Dense(10, activation = 'softmax')) 

print('Compiling Model') 
sgd = SGD(lr = 0.01, decay = 0.1, momentum = 0.9, nesterov = True) 
model.compile(loss = 'categorical_crossentropy', optimizer = sgd) 
print('Fitting Data') 

#model.fit(x_train, y_train, batch_size = 128, nb_epoch = 400, validation_data = (x_test, y_test)) 
model.fit_generator(datagen.flow(x_train, y_train), samples_per_epoch = len(x_train), nb_epoch = 5) 
def max_index(lst): 
    mi = 0 
    for i in range(1, len(lst)): 
     mi = i if lst[i] > lst[mi] else mi 
    return mi 

result = model.predict(x_test) 
correct = 0 
for y, yt in zip(result, y_test): 
    correct += max_index(y) == max_index(yt) 
print(correct/len(y_test)) 

Auch hier ist mein MINST Lader, wenn jemand versuchen will es zu laufen ...

import struct 
import numpy as np 
import matplotlib.pyplot as plt 

def load_images(images_file): 
    data = None 
    with open(images_file, 'rb') as f: 
     data = f.read() 

    mn, n, h, w = struct.unpack('>4I', data[0:16]) 
    assert(mn == 2051) 
    data = data[16:] 
    images = [] 
    for i in range(n): 
     img = np.array([float(b) for b in data[w * h * i:w * h * (i + 1)]]) 
     img /= 255.0 
     img = np.reshape(img, (w, h)) 
     images.append(img) 
    return images 

def load_labels(labels_file): 
    data = None 
    with open(labels_file, 'rb') as f: 
     data = f.read() 

    mn, n = struct.unpack('>2I', data[0:8]) 
    assert(mn == 2049) 
    return [int(b) for b in data[8:]] 

Answer 1

Versuchen verbose=2 als Parameter in fit_generator()