将keras ImageDataGenerator.flow_from_directory（）与Talos Scan（）一起使用

Question

Talos是一个模块，允许您对已经为其编写代码的keras模型进行超参数调整。在示例中使用的常规方法是使用Scan类，该类由x和y参数实例化。这些参数应包含分别包含训练数据和标签的数组。

def modelbuilder(x_train, y_train, x_val, y_val, params):
    # modelbuilding 
    out = model.fit(x_train, y_train)
    return model, out

talos.Scan(x, y, params=params, model=modelbuilder)

但是Keras提供了第二种通过ImageDataGenerator类导入数据的方法，而不是一个数组，您只需要一个包含训练/验证图像的目录即可。

train_datagen = ImageDataGenerator()
train_generator = train_datagen.flow_from_directory(
    train_data_dir,
    batch_size=batch_size
)

我不清楚如何Scan，数据生成应包含一个超参数（批大小），该参数应位于modelbuilder函数内。但同时Scan要求将数据参数作为数组提供。关于如何将Talos与ImageDataGenerator结合的任何建议。

Answer 1

您现在可以在Talos实验中使用fit_generator（）。有关更多信息，请参见corresponding issue。

没有关于“如何做”的具体说明，根据Talos的哲学，您可以完全按照与独立Keras模型一起使用fit_generator的方式来使用fit_generator。只需将model.fit(...)替换为model.fit_generator(...)并根据需要使用一个生成器。