Question

flow_from_directory（目录）：这会占用目录，但不会拍摄分割训练图像。

sklearn.model_selection.KFold：提供图像的拆分索引。这些可以在fit（）中使用，但不能在fit_generator（）

中使用

任何人都可以将KFold与ImageDataGenerator一起使用？它在吗？

Answer 1

目前无法使用<!doctype html> <html> <body> <div id="player">Play</div> <script> audioEl = document.createElement("audio"); audioEl.setAttribute('src','audioFile.mp3'); document.getElementById('player').appendChild(audioEl); document.getElementById('player').addEventListener('click',function() { this.innerHTML += 'playing'; audioEl.play(); }); </script> </body> </html>生成器拆分文件夹中保存的数据集。该选项根本没有实现。为了获得测试/火车拆分，需要使用例如将主目录拆分成一组train / test / val目录。 Python中的<!doctype html> <html> <body> <div id="player">Play</div> <script> audioEl = document.createElement("audio"); audioEl.setAttribute('src','audioFile.mp3'); document.getElementById('player').appendChild(audioEl); document.getElementById('player').addEventListener('click',function() { this.insertAdjacentHTML("beforeend", "playing"); audioEl.play(); }); </script> </body> </html>库。

Answer 2

假设你有2个类的分类问题，我会做类似的事情：

o.set_shape(new_shape)

Answer 3

对于遇到此问题的任何人：到发布此答案的日期为止-我认为并没有（至少相对而言）简单的即用型解决方案，并且无法确定我的结果自己搜索。

我想出的唯一解决方案，解决了项目中的类似问题，是在数据集中制作分区，分区数等于折叠数，然后将其保存为字典，并以分区数为键和文件路径列表作为分区的值。之后，您仍然必须将文件分类到用于培训和验证子集的类文件夹中。

例如：设K = 10。算法可以这样描述：

将数据集分为10个大小相等的分区。
将一个分区作为验证子集。按类别将其排序到所需的文件夹中。
其余分区应视为训练子集，并分类到所需的文件夹中。
为val和train子集创建data_generators。
训练模型并使用您的体系结构将其保存。
对其他每个分区重复上述步骤（将一个分区作为val，在其他分区上训练），但是现在您必须从保存文件中加载模型。

恐怕此解决方案的代码片段（包括排序脚本和分区字典形成脚本）太大而无法在此处提供，但是如有必要，我会很乐意分享。

keras：使用ImageDataGenerator和KFold for fit_generator

3 个答案: