Question

我正在研究使用卷积神经网络的图像像素分类问题。我的培训images的大小为128x128x3，大小为mask 标签128x128为Xtrain, Xvalid, ytrain, yvalid = train_test_split(images, masks,test_size=0.3, random_state=567) model.fit(Xtrain, ytrain, batch_size=32, epochs=20, verbose=1, shuffle=True, validation_data=(Xvalid, yvalid))

我在Keras接受如下培训：

Xtrain

但是，我想将随机2D旋转应用于ytrain和128x128x3，其大小分别为128x128和model.fit。更具体地说，我想在每个纪元迭代中应用此旋转。

目前，我想继续使用model.fit_generator而不使用.fit_generator，因为我知道数据扩充通常是使用model.fit完成的。

基本上，我想循环Xtrain，以便ytrain和self.ignCB = wx.CheckBox(self, 0, label='Ignore Errors') self.ignCB.Bind(wx.EVT_MOTION, self.on_mouse_over) def on_mouse_over(self, event): self.ignCB.SetToolTipString('Continue on Download Errors, Skips Unavailable Videos within a Playlist')随机旋转每个纪元。我是Python和Keras的新手，所以如果可能的话，欢迎任何见解。

Answer 1

以下是使用ImageDataGenerator将输出保存到指定目录的示例，从而避免了使用model.fit_generator的要求。

from keras.preprocessing.image import ImageDataGenerator, array_to_img, img_to_array, load_img

datagen = ImageDataGenerator(
        rotation_range=40,
        width_shift_range=0.2,
        height_shift_range=0.2,
        shear_range=0.2,
        zoom_range=0.2,
        horizontal_flip=True,
        fill_mode='nearest')

img = load_img('data/train/cats/cat.0.jpg')  # this is a PIL image
x = img_to_array(img)  # this is a Numpy array with shape (3, 150, 150)
x = x.reshape((1,) + x.shape)  # this is a Numpy array with shape (1, 3, 150, 150)

# the .flow() command below generates batches of randomly transformed images
# and saves the results to the `preview/` directory
i = 0
for batch in datagen.flow(x, batch_size=1,
                          save_to_dir='preview', save_prefix='cat', save_format='jpeg'):
    i += 1
    if i > 20:
        break  # otherwise the generator would loop indefinitely

从这里采取：https://blog.keras.io/building-powerful-image-classification-models-using-very-little-data.html

您可以更改args以适合您的用例，然后生成X_train和X_valid或任何数据集，然后加载到内存中并使用普通的旧model.fit。

如何在不使用model.fit_generator的情况下将旋转应用于Keras中的图像？

1 个答案: