Question

我正在按照以下方式使用Keras的ImageDataGenerator。

datagen = ImageDataGenerator(samplewise_center=True,
    samplewise_std_normalization=True, validation_split=0.30
                               )

然后使用.flow语句按以下方式获得训练和测试拆分。

train_iterator = datagen.flow(x, y, subset='training')
test_iterator = datagen.flow(x, y, subset='validation')

此处x代表形状为(588, 120, 120, 1)的图像，y代表multiclass输出(588, 4)。

在(588, 120, 120, 1)形状输入数据中，共有588个样本，每个样本的形状为(120, 120, 1)。输出具有4个类。

然后，我使用以下代码训练和测试我的CNN。

history =model.fit_generator(train_iterator,
                             
                              epochs=10,
                              validation_data=test_iterator,
                              callbacks=callbacks_list) 


pred_test = model.predict(test_iterator, steps=len(test_iterator), verbose=0)

我的问题是： 如何访问test_iterator用于预测的测试数据（x和y）。

Answer 1

flow()返回一个生成（x，y）元组的迭代器，您可以使用test_iterator.next()访问元素。

Answer 2

仅供参考。在ImageDataGenerator中，您设置了samplewise_center = True， samplewise_std_normalization =真实。如果这是您要的内容，则必须首先使生成器适合累积输入数据的统计信息，所以首先这样做

datagen.fit(x)

文档为here.

从Keras ImageDataGenerator获取火车测试数据

2 个答案: