Question

我设置了featurewise_center = True，然后使用flow_from_directory在keras中设置了我的训练和验证数据。但是，我得到了错误

UserWarning: This ImageDataGenerator specifies `featurewise_center`, 
but it hasn't been fit on any training data. Fit it first by calling `.fit(n
numpy_data)`

有什么方法可以使用flow_from_directory然后根据需要调整数据吗？

Answer 1

featurewise_center将图像转换为0均值。这是通过使用公式

完成的

X = X-均值（X）

但是对于ImageDataGenerator进行此转换，它需要知道数据集的平均值，并且fit上的ImageDataGenerator方法确实执行了计算这些统计信息的操作。

根据keras docs的解释

使数据生成器适合一些样本数据。这计算与数据相关转换相关的内部数据统计信息，基于样本数据数组。

如果可以将数据集完全加载到内存中，则可以通过将所有图像加载到numpy数组中并在其上运行fit来实现。

示例代码（256x256的RGB图像）：

from keras.layers import Input, Dense, Flatten, Conv2D
from keras.models import Sequential
from keras.preprocessing.image import ImageDataGenerator
import numpy as np
from pathlib import Path
from PIL import Image

height = width = 256 

def read_pil_image(img_path, height, width):
        with open(img_path, 'rb') as f:
            return np.array(Image.open(f).convert('RGB').resize((width, height)))

def load_all_images(dataset_path, height, width, img_ext='png'):
    return np.array([read_pil_image(str(p), height, width) for p in 
                                    Path(dataset_path).rglob("*."+img_ext)]) 

train_datagen = ImageDataGenerator(featurewise_center=True)
train_datagen.fit(load_all_images('./images/', height, width))

train_generator = train_datagen.flow_from_directory(
        './images/',
        target_size=(height, width),
        batch_size=32,
        class_mode='binary',
        color_mode='rgb')

model = Sequential()
model.add(Conv2D(1,(3,3), input_shape=(height,width,3)))
model.add(Flatten())
model.add(Dense(1))
model.compile('adam', 'binary_crossentropy')

model.fit_generator(train_generator)

但是，如果无法将数据完全加载到内存中怎么办？一种方法是从数据集中随机采样图像。

通常，我们仅使用mean训练数据来进行均一化，而对均化验证/测试数据使用相同的均值。通过datagenerator执行相同操作会有些棘手。

如何与ImageDataGenerator中的flow_from_directory一起使用featurewise_center = True？

1 个答案: