Question

在使用Functional API的Keras模型中，我需要使用ImageDataGenerator调用fit_generator来训练增强图像数据。问题是我的模型有两个输出：我试图预测的掩码和二进制值我显然只想增加输入和掩码输出而不是二进制值。我怎样才能做到这一点？

Answer 1

以下示例可能不言自明！＆＃39;假人＆＃39; model取1输入（图像），输出2个值。该模型计算每个输出的MSE。

x = Convolution2D(8, 5, 5, subsample=(1, 1))(image_input)
x = Activation('relu')(x)
x = Flatten()(x)
x = Dense(50, W_regularizer=l2(0.0001))(x)
x = Activation('relu')(x)

output1 = Dense(1, activation='linear', name='output1')(x)
output2 = Dense(1, activation='linear', name='output2')(x)

model = Model(input=image_input, output=[output1, output2])
model.compile(optimizer='adam', loss={'output1': 'mean_squared_error', 'output2': 'mean_squared_error'})

以下功能生成批次以在训练期间为模型提供信息。它需要培训数据x和标签y，其中y = [y1，y2]

batch_generator(x, y, batch_size, is_train):
    sample_idx = 0
    while True:
       X = np.zeros((batch_size, input_height, input_width, n_channels), dtype='float32')
       y1 = np.zeros((batch_size, mask_height, mask_width), dtype='float32')
       y2 = np.zeros((batch_size, 1), dtype='float32')

       # fill up the batch
       for row in range(batch_sz):
           image = x[sample_idx]
           mask = y[0][sample_idx]
           binary_value = y[1][sample_idx]
           # transform/preprocess image
           image = cv2.resize(image, (input_width, input_height))
           if is_train:
               image, mask = my_data_augmentation_function(image, mask)
           X_batch[row, ;, :, :] = image
           y1_batch[row, :, :] = mask
           y2_batch[row, 0] = binary_value
           sample_idx += 1

       # Normalize inputs
       X_batch = X_batch/255.
       yield(X_batch, {'output1': y1_batch, 'output2': y2_batch} ))

最后，我们调用fit_generator（）

    model.fit_generator(batch_generator(X_train, y_train, batch_size, is_train=1))

Answer 2

如果你已经分开了掩码和二进制值，你可以尝试这样的事情：

generator = ImageDataGenerator(rotation_range=5.,
                                width_shift_range=0.1, 
                                height_shift_range=0.1, 
                                horizontal_flip=True,  
                                vertical_flip=True)

def generate_data_generator(generator, X, Y1, Y2):
    genX = generator.flow(X, seed=7)
    genY1 = generator.flow(Y1, seed=7)
    while True:
            Xi = genX.next()
            Yi1 = genY1.next()
            Yi2 = function(Y2)
            yield Xi, [Yi1, Yi2]

因此，您对输入和掩码使用相同的生成器和相同的种子来定义相同的操作。您可以根据需要更改二进制值（Y2）。然后，调用fit_generator（）：

model.fit_generator(generate_data_generator(generator, X, Y1, Y2),
                epochs=epochs)

Answer 3

实现这一目标的最佳方法似乎是创建一个新的生成器类，扩展Keras提供的类，解析数据，仅增加图像并产生所有输出。

Keras：如何使用fit_generator与不同类型的多个输出

3 个答案: