如何处理ImageDataGenerator生成的数据？
ImageDataGenerator是Keras中用于数据增强的工具，它可以生成更多的训练样本，提高模型的泛化能力。处理ImageDataGenerator生成的数据可以通过以下步骤进行：
- 创建ImageDataGenerator对象：首先，我们需要创建一个ImageDataGenerator对象，并设置需要的数据增强参数，例如旋转角度、缩放比例、平移范围等。
- 生成增强数据：使用ImageDataGenerator对象的.flow()方法或.flow_from_directory()方法，将原始数据作为输入，生成增强后的数据。.flow()方法适用于数据存储在内存中，.flow_from_directory()方法适用于数据存储在文件夹中。
- 训练模型：使用生成的增强数据作为训练集，训练模型。可以使用Keras提供的.fit()方法进行模型训练。
- 验证模型：使用原始数据或另外的验证集对训练好的模型进行验证，评估模型的性能。
- 预测新数据：使用训练好的模型对新的数据进行预测。
ImageDataGenerator的优势在于可以通过对原始数据进行随机变换和增强，生成更多样化的数据，从而提高模型的泛化能力。它可以应用于图像分类、目标检测、图像分割等任务。
腾讯云提供了一系列与图像处理相关的产品，可以与ImageDataGenerator结合使用，例如：
- 腾讯云图像处理（Image Processing）：提供了图像处理的API接口，包括图像增强、图像识别、图像分割等功能。详情请参考：腾讯云图像处理
- 腾讯云智能图像（Intelligent Image）：提供了图像识别、图像分析、图像搜索等功能，可以用于图像分类、目标检测等任务。详情请参考：腾讯云智能图像
- 腾讯云人脸识别（Face Recognition）：提供了人脸检测、人脸比对、人脸搜索等功能，可以用于人脸识别、人脸验证等任务。详情请参考：腾讯云人脸识别
以上是腾讯云提供的一些与图像处理相关的产品，可以根据具体需求选择适合的产品进行图像处理和数据增强。
相关·内容
克拉斯
ImageDataGenerator
可以用来"“
教程演示了如何使用ImageDataGenerator扩充小型但平衡的数据集。有没有一种简单的方法可以使用这个生成器来增加一个严重不平衡的数据集，以便产生的生成的数据集是平衡的？
浏览 0提问于2017-01-14得票数 35
回答已采纳
我知道的方法是这样的
from tensorflow.keras.preprocessing.image import ImageDataGenerator
train_datagen = ImageDataGenerator(rescale=1./255)
val_datagen = ImageDataGenerator(rescale=1./255)
train_generator = train_datagen.flow_from_directory(
train_dir,
target_size=(150, 150),
bat
浏览 7提问于2021-04-05得票数 3
回答已采纳
假设我想在两个preprocessing_functions中将两个不同的ImageDataGenerator应用到一个图像中，然后将这些输出连接到一个张量来训练模型。
也就是说，如果我有RGB图像，我的模型将期望输入张量中的六个通道，因为我想连接两个生成器的输出(每个都有3个通道)。
具体而言：
# first preproc function
def preproc_function_1(image):
image = np.array(image)
return image * 0.1
# second preproc function
def preproc_func
浏览 0提问于2019-09-11得票数 1
1回答
我是CNN的新手，从角蛋白开始。我目前正在使用ImageDataGenerator导入我的列车/验证文件夹(每个文件夹都有用于二进制分类任务的两个类子文件夹)。想知道如何在不使用ImageDataGenerator的情况下导入列车/验证文件？我知道ImageDataGenerator对精确性很好，因为它做了一些增强，但我想将其与没有任何增强的训练集进行比较。基本上，我认为我需要把所有的图像放在一个数组中，但不确定如何。
基本上，我想知道导入图像的培训/验证数据的正常方式是什么，这样我就可以比较与或不使用图像数据的准确性差异。我知道，对于普通的NN任务，这很容易，因为您可以只执行pd.read_
浏览 0提问于2018-02-02得票数 5
回答已采纳
关于“用Python进行深度学习”的以下代码，我有两个问题：
from keras.preprocessing.image import ImageDataGenerator
train_datagen = ImageDataGenerator(rescale=1./255)
test_datagen = ImageDataGenerator(rescale=1./255)
train_generator = train_datagen.flow_from_directory(
train_dir, target_size=(150, 150) batch_si
浏览 0提问于2018-04-15得票数 0
回答已采纳
利用ImageDataGenerator和flow_from_directory方法可以生成图像数据集。对于调用类列表，我们可以使用oject.classes。但是，如何调用值列表呢？我已经搜过了，但还是没找到。
谢谢:)
浏览 4提问于2017-06-30得票数 7
1回答
我正在尝试将深度学习与Python第5.3节的数据增强功能提取调整为resnet50 (imagenet权重)的一个3类问题。
上的完整代码
from keras import models
from keras import layers
from keras.applications.resnet50 import ResNet50
from keras import optimizers
from keras.preprocessing.image import ImageDataGenerator
input_shape = (224, 224, 3)
target_size = (
浏览 1提问于2018-08-05得票数 0
2回答
我有一个熊猫数据栏，有两列，一列有图像路径，另一列有字符串类标签。
我还编写了以下函数，这些函数从dataframe加载图像、重命名它们并将类标签转换为一个热向量。
def prepare_data(df):
data_X, data_y = df.values[:,0], df.values[:,1]
# Load images
data_X = np.array([np.array(imread(fname)) for fname in data_X])
# Normalize input
data_X = data_X / 255 - 0.5
浏览 1提问于2018-08-14得票数 3
回答已采纳
我使用MobilenetV2预训练模型对植物图像进行分类，分为四类(新鲜植物，病叶，鲜叶，病叶)。 我已经尝试使用以下代码集来实现增强和从目录流出方法，我确保为val_generator禁用了shuffle = False。 train_datagen = ImageDataGenerator(
rescale=1./255,
shear_range=0.2,
zoom_range=0.2,
horizontal_flip=True)
#Rescaling or normalising the pixels in th
浏览 23提问于2020-10-16得票数 1
回答已采纳
我想在一组图像上训练多输入模型。我在keras中使用ImageDataGenerator.flow_from_directory()和fit_generator。
问题是我不知道如何使用多台发电机。
这是我的输入&输出发生器和种子是一样的：
input1 = imageDataGenerator.flow_from_directory(directory=base_data_directory + 'img/' + mode+'/', **img_generator_config)
input2 = imageDataGenerator.flow_fro
浏览 0提问于2019-06-15得票数 2
嗨，我想问你一个关于Keras ImageDataGenerator的问题。我可以确定将创建多少增强图像吗？或者如何找到训练图像集大小后的augmentation.In Keras文档流函数描述是：“获取numpy数据和标签数组，并生成批次的增广/标准化数据。在无限循环中生成批次。”但是生成了多少图像呢？
例如，下面的代码中生成了多少图像？无限的？
from keras.preprocessing.image import ImageDataGenerator, array_to_img, img_to_array, load_img
from matplotlib import pyplot
浏览 21提问于2017-12-28得票数 12
我想使用Keras ImageDataGenerator来增强数据。为此，我必须使用我的训练数据作为参数调用实例化的ImageDataGenerator对象上的ImageDataGenerator()函数，如下所示。
image_datagen = ImageDataGenerator(featurewise_center=True, rotation_range=90)
image_datagen.fit(X_train, augment=True)
train_generator = image_datagen.flow_from_directory('data/images
浏览 0提问于2019-07-18得票数 5
回答已采纳
我有大约6200张培训图像，我想使用keras.preprocessing.image.ImageDataGenerator类的keras.preprocessing.image.ImageDataGenerator方法以下列方式扩展小数据集：
train_datagen = ImageDataGenerator(
rescale=1./255,
shear_range=0.2,
zoom_range=0.2,
horizontal_flip=True)
test_datagen = ImageDataGenerator(res
浏览 1提问于2017-01-22得票数 3
回答已采纳
我正在使用Keras进行面部表情识别，我使用的数据集没有大量可用的数据，所以我将使用Keras的图像预处理来进行数据增强。
我想知道ImageDataGenerator生成法线的最佳参数，我可以用它来训练我的神经网络。
下面是我用于数据增强的代码：
def data_augmentation(subdir):
datagen = ImageDataGenerator(
featurewise_center=False,
samplewise_center=False,
featurewise_std_normalization=Fals
浏览 38提问于2017-07-07得票数 6
回答已采纳
我正在使用带有flow_from_dataframe的ImageDataGenerator来加载数据集。
ImageDataGenerator允许您像这样指定一个重新缩放因子
datagen = ImageDataGenerator(rescale=1./255)
但是，如果我想在-1,1范围内重新缩放图像，该怎么办？我应该先做减法，然后再做除法。
images -= 128.0
images /= 128.0
如何在ImageDataGenerator的重缩放中执行这两个操作？
浏览 0提问于2021-01-28得票数 0
我正在使用在本论文中演示的概念。他们的训练数据包括“好”图像和“坏”图像。他们训练AE使用“坏”图像(X)，使其产生“好”图像。在这种情况下，“坏”图像可能与“好”图像非常相似，但有很小的凹痕或划痕。
我已经成功地在ImageDataGenerator上使用了马恩斯特号码数据，但是在这种情况下，它是通过使用X -> X来训练的，或者如果不使用ImageDataGenerator，那么模型拟合代码将类似于model.fit(x_train, x_train)。
然而，在这一声发射问题上，我们要用X_good_and_defect -> X_good或model.fit(x_good_
浏览 0提问于2021-02-18得票数 1
根据keras文档：
preprocessing_function:将隐含在每个输入上的函数。该函数将在图像调整大小并放大后运行。该函数应该有一个参数:一个图像(秩为3的Numpy张量)，并且应该输出一个具有相同形状的Numpy张量。
我的numpy张量是5级的，因为我的输入图像有3个维度(高度，宽度，深度)。
from keras.preprocessing.image import ImageDataGenerator
label_datagen = ImageDataGenerator()
train_label_generator = label_datagen.flow_from_
浏览 34提问于2019-07-10得票数 2
回答已采纳
2回答
组合两个数据生成器来训练CNN
、、、、
我正在尝试使用我分成两部分的数据集来训练模型，对于每个部分，我使用keras和tensorflow创建不同的ImageDataGenerator。
我的问题是，如何结合来自两个生成器的数据来训练模型。我不想分别使用每一个。
面向所有人的tnx
浏览 1提问于2020-03-21得票数 0
我使用下面的代码来训练我的CNN模型发票图像。
train_datagen = ImageDataGenerator(
rescale = 1. / 255,
shear_range = 0.2,
zoom_range = 0.2,
horizontal_flip = True
)
test_datagen = ImageDataGenerator(rescale = 1. / 255)
train_generator = tra
浏览 0提问于2020-04-19得票数 0
回答已采纳
我正在使用Keras flow_from_directory来执行数据增强：
from keras.applications.inception_v3 import preprocess_input
from keras.preprocessing.image import ImageDataGenerator
batch_size = 32
# Create train generator
train_datagen = ImageDataGenerator(preprocessing_function=preprocess_input,
浏览 0提问于2020-06-10得票数 0
我创建了一个数据生成器类的两个实例，扩展自keras序列类，一个用于训练，另一个用于验证数据。然而，在我的源代码级别上，我只能看到验证生成器在每个时期之间重复迭代。我看不到训练发电机。因此，我不能验证训练数据的增强是我想要的。在这些代码片段中，aug是一个参数字典，这些参数转到我的序列的myDataGen扩展中的一个keras ImageDataGenerator实例。我通常不会增加验证数据，但这就是我偶然发现这个难题的原因： aug = dict(fill_mode='nearest',
rotation_range=
浏览 26提问于2021-02-11得票数 0
我正在用Keras构建一个简单的“猫和狗的分类器”。在安装ImageDataGenerator时，我得到了MemoryError。我的代码看起来像这样：
from keras.preprocessing.image import ImageDataGenerator
image_gen = ImageDataGenerator(shear_range=0.2,
zoom_range=0.2,
horizontal_flip=True)
image_gen.fit(X)
X的形状为(25000,150,150,3)
我做错了什么，或者如何解决这个问题？
我已经检查过和了。
浏览 12提问于2019-11-28得票数 1
回答已采纳
我使用fit函数已经有一段时间了，但是现在我需要对我拥有的数据集进行一些扩充，所以我必须使用fit_generator。关于fit_generator，我有一些不理解的地方。
为什么在flow函数中有一个batch_size选项？当我将它与steps_per_epoch参数一起使用时，它的行为如何？有没有办法知道使用imagedatagenerator函数生成了多少图像？
model.fit_generator(datagen.flow(x, y,batch_size=32), steps_per_epoch=len(x)/32,epochs=50)
浏览 17提问于2019-10-31得票数 0
回答已采纳
我有一个运行的代码，作为数据输入，我有两个numpy数组(X_train，y_true)。我喜欢ImageDataGenerator的数据增强。
我能用这个来获取对应的numpy数组吗？
以下是一些代码：
train_data_dir="Path to directory containing for each class a directory of images"
from keras.preprocessing.image import ImageDataGenerator
datagen = ImageDataGenerator(rescale=1. / 255,
浏览 1提问于2017-11-28得票数 3
回答已采纳
当试图提供从CNN包(例如preprocess_input包)导入的keras.applications.resnet时，该模型在试图适应生成的数据时会引发错误：
‘JpegImageFile’对象不可订阅
代码：
datagen = ImageDataGenerator(preprocessing_function=preprocess_input)
Keras版本: 2.1.5
浏览 0提问于2018-05-26得票数 1
回答已采纳
我在Keras中使用Python，运行ImageDataGenerator和flow_from_directory。我有一些有问题的图像文件，所以我可以使用数据生成器来处理读取错误吗？
我得到了一些“无效的jpg文件”的一小部分图像，并希望处理这一点，而我的代码崩溃。
浏览 1提问于2018-09-20得票数 7
回答已采纳
我使用来自Keras的ImageDataGenerator来实现Python中的数据增强。我用这种方式：
train_datagen = ImageDataGenerator(
rescale=1./255,
shear_range=0.2,
zoom_range=0.2,
horizontal_flip=True)
#dodanie augmentacji danych dla danych walidacyjnych
valid_datagen = ImageDataGe
浏览 0提问于2020-01-15得票数 0
我试图用Tensorflow作为后端的Keras构建一个简单的图像分类器。然而，我很难理解在Keras中是如何实现名词化的。
据我理解，在机器学习中，计算训练+验证集的均值和std，然后在标准化测试集和对新数据进行预测时重用平均值和std。因此，考虑到这一点，我将解释我在Keras的每个部分不理解的地方。
train_datagen = ImageDataGenerator(rescale=1./255, samplewise_center=True, samplewise_std_normalization=True, shear_range=0.2, zoom_range=0.2)
tes
浏览 0提问于2018-03-03得票数 2
因此，我正在构建一个图像分类器，并使用具有以下参数的Keras‘ImageDataGenerator类：
ImageDataGenerator(
rescale=1./255, 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'
)
然后，我用下面的代码使用生成器的这个实例来处理我的培训数据：
train_datagen.flow_from_data
浏览 0提问于2019-01-10得票数 0
回答已采纳
我希望预览keras图像数据生成器的输出。例如，我如何从生成器中生成5张图像？
train_datagen = ImageDataGenerator(
rescale=1./255,
shear_range=0.2,
zoom_range=0.2,
horizontal_flip=True)
test_datagen = ImageDataGenerator(rescale=1./255)
train_generator = train_datagen.flow_from_directory(
'dat
浏览 0提问于2018-07-27得票数 0
我过去是手工制作的，但现在我正在使用flow_from_directory用我自己的数据来训练我的网络。我只有一个问题。当我执行model.predict()时，如何知道我的预测索引0是针对标签类别狗的，而索引1是针对类别猫的呢？
我使用的代码如下所示。
train_datagen = ImageDataGenerator(
rescale=1./255,
shear_range=0.2,
zoom_range=0.2,
horizontal_flip=True)
test_datagen = ImageDataGenerator(rescale=1./255
浏览 2提问于2017-05-06得票数 11
回答已采纳
我正在建立一个卷积神经网络(CNN)模型，由'RGB'通道的双流图像数据输入和'grayscale'信道收敛到奇异形状(None, width, height, 4*C)，然后是Dense()。
对于大数据集，我必须/被迫使用<class 'ImageDataGenerator'>
from tensorflow.keras.preprocessing.image import ImageDataGenerator
datagen = ImageDataGenerator()
并通过目录流数据集：
train_C = d
浏览 6提问于2020-07-01得票数 2
我想训练一个模型来使用Keras生成新图像，并且我将使用ImageDataGenerator类来生成一批图像。 问题是我找不到一种方法来使用这个类来生成训练并将批次标记为图像。我想传递给模型作为训练一些图像和标签一些其他图像。 此外，我需要从硬盘中读取每批图像，因为数据集太大，无法加载到内存中。 此外，还可以使用ImageDataGenerator方法的替代方案。 我希望问题是清楚的，希望你能帮助我。
浏览 32提问于2019-02-11得票数 1
我在keras中使用resnet做超级解析，我已经将我的数据分成训练和测试(70-30)，从测试数据中提取20%用于验证，.i试图用datagen.flow_from_directory读取数据，但是它显示0类的0图像 .The的主要问题是我没有类。我只有高分辨率和低分辨率的图像。高分辨率图像输出，低分辨率图像输入。如何在不将数据在类中分离的情况下加载数据？
from keras.preprocessing.image import ImageDataGenerator
import os
train_dir = r'G:\\images\\train'
train_da
浏览 2提问于2021-06-07得票数 0
回答已采纳
我试图看到使用ImageDataGenerator进行数据增强的结果。Keras读取数据，但它似乎不对数据执行任何生成。我得到输出：
发现32幅图像，分属于1类。
但是在我在save_to_dir参数flow_from_directory方法中提到的目录中没有保存生成的图像。
这里我的代码：
from keras.preprocessing.image import ImageDataGenerator, array_to_img, img_to_array, load_img
from keras import backend as K
K.set_image_dim_orderi
浏览 14提问于2017-09-24得票数 1
Talos是一个模块，它允许你对已经编写代码的keras模型进行超参数调优。在示例中使用它的传统方法是使用Scan类，该类由x和y参数实例化。这些参数应该包含一个数组，分别带有训练数据和标签。
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)
然而，Keras提供了
浏览 0提问于2018-11-30得票数 4
我有一个TF数据集，用于猫和狗：
import tensorflow_datasets as tfds
SPLIT_WEIGHTS = (8, 1, 1)
splits = tfds.Split.TRAIN.subsplit(weighted=SPLIT_WEIGHTS)
(raw_train, raw_validation, raw_test), metadata = tfds.load(
'cats_vs_dogs', split=list(splits),
with_info=True, as_supervised=True)
在这个例子中，他们使用了一
浏览 3提问于2020-01-08得票数 14
在使用下面的代码下载了TensorFlow的cats_vs_dogs数据集之后，我试图在Kaggle 2.0上使用图像数据增强生成器来训练模型。
train_datagen = ImageDataGenerator(rescale=1. / 255,
rotation_range=40,
width_shift_range=0.2,
height_shift_range=0.2,
浏览 2提问于2020-02-20得票数 2
谷歌告诉我的是：
对于keras，ImageDataGenerator函数似乎有一个可以开箱即用的zca_whitening。但是，如果设置了此选项，则需要调用整个dataset X上的ImageDataGenerator.fit。因此，这不是一个选项。
对于sklearn，IncrementalPCA似乎可以处理庞大的数据集，但我不知道如何在生成器样式中将PCA旋转到ZCA。
谢谢你的帮助！
浏览 4提问于2017-11-04得票数 1
我有一个大数据集。数据大约是100 K。我使用ImageDataGenerator进一步扩展了数据。但这使得训练过程非常缓慢。没有keras图像产生函数，训练过程大约需要3分钟，而当我使用ImageDataGenerator函数时，训练时间则超过3小时。我用这个代码来增强图像。如何提高性能？
datagen = ImageDataGenerator(horizontal_flip=True,
vertical_flip=True,
featurewise_center=True,
浏览 0提问于2018-04-08得票数 1
回答已采纳
我正在研究CNN模型，我想使用一些数据增强，但是出现了两个问题：
我的标签是图像(我的模型是某种自动编码器，但期望输出的图像与我的输入图像不同)，因此我不能使用诸如ImageDataGenerator.flow_from_directory()之类的函数。我在想ImageDataGenerator.flow(train_list, y = labels_list)，但我的第二个问题是：
我的输入和标签数据集都很大，我更喜欢使用图像路径( flow()函数没有正确地处理这些路径)，而不是将所有数据集加载到一个数组中，让我的内存爆炸。
我如何妥善处理这两个问题？对于我所发现的，可能
浏览 7提问于2020-06-22得票数 2
回答已采纳
我对sample_weight参数在Keras中的ImageDataGenerator数据增强上下文中的使用有疑问。假设我有一系列简单的图像，只有一类对象。因此，对于每个图像，我将有一个对应的掩码，像素=0表示背景，1表示对象被标记的位置。
但是，这个数据集是不平衡的，因为大量的这些图像是空的，这意味着掩码仅包含0。如果我理解得很好，ImageDataGenerator的flow方法的“ImageDataGenerator”参数就是将焦点放在我发现更有趣的数据集的样本上，即我的对象在哪里。
我的问题是:这个sample_weight参数对我的模型训练有什么具体的影响。它会影响数据的增强吗？如果
浏览 0提问于2019-03-08得票数 4
我试图在Keras中使用ImageDataGenerator拆分数据(图像)，方法是将validation_split设置为某些部分。
这是我的密码
#Generate batches of tensor image data with real-time data augmentation,
looped over in batches
train_DataGen_Augmnt =ImageDataGenerator(
rescale=1./255,
featurewise_center=True,
validation_split=0.2,
rotat
浏览 1提问于2018-09-26得票数 2
我正在使用一个生成器来训练和预测我的数据的分类。下面是的一个示例
from keras.preprocessing.image import ImageDataGenerator
batch_size = 16
train_datagen = ImageDataGenerator(
rescale=1./255,
shear_range=0.2,
zoom_range=0.2,
horizontal_flip=True)
test_datagen = ImageDataGenerator(rescale=1./255)
浏览 1提问于2018-11-30得票数 3
我正在尝试使用Keras‘ImageDataGenerator作为UNet自动编码器。我想从微小的ImageNet数据集导入和转换RGB图像为灰度图像，这些图像被重新标度为0~1之间的值。
train_dir = r'D:\tiny-imagenet-200-testing\tiny-imagenet-200\train'
train_datagen = ImageDataGenerator(rescale=1 / 255)
train_generator = train_datagen.flow_from_directory(train_dir, target_size=(6
浏览 0提问于2018-07-26得票数 2
我正试图在Python3.7中使用Keras/Tensorflow中的U进行多类培训。我只在灰度(1通道)中执行.jpg图像(值为0,255的值的图像)的二进制训练，我用ImageDataGenerator类加载了这些图像。
在本例中，我需要加载1通道.tif图像，其值为，范围从-1000到7000。据我所知，ImageDataGenerator将图像加载到0,255中，这使我丢失了很多信息。有任何方法可以使用ImageDataGenerator加载原始值的图像吗？我知道枕头库正确地加载了它们，但是我有很多数据，我需要高效地加载这些数据。
假设我有/full/path/to/my/di
浏览 3提问于2022-05-20得票数 0
datagen=ImageDataGenerator()
generator=datagen.flow_from_directory(directory)
如何从生成器获取创建的数据和标记numpy数组。
我试过generator.__getitem__，但没能成功
浏览 0提问于2018-03-29得票数 0
回答已采纳
1回答
用于图像增强的自动编码器设计
、、、、
我正在尝试训练一个简单的自动编码器来执行图像增强任务。我有一个由正常图像和增强图像组成的数据集(地面实况)。我使用Keras文档来构建这样的模型，但是我得到了内存错误(无法分配768。运行代码后，形状为(1,256,256，3)且数据类型为float32的数组的KiB。有没有人能帮我调整一下代码来解决这个问题？
from keras.models import Model
from keras.layers import Conv2D, concatenate, Input, Add, MaxPooling2D, UpSampling2D
from keras.preprocessing.im
浏览 1提问于2020-05-16得票数 1
我正在使用来自Keras的ImageDataGenerator，如下所示。
datagen = ImageDataGenerator(samplewise_center=True,
samplewise_std_normalization=True, validation_split=0.30
)
然后.flow语句获得训练和测试分割如下所示。
train_iterator = datagen.flow(x, y, subset='training')
test_iterator = datagen.flow
浏览 4提问于2020-11-11得票数 1
我对凯拉斯很陌生。在使用ImageDataGenerator时，我在形状方面有一些问题。下面是我的代码：
train_batches = ImageDataGenerator().flow_from_directory(trainpath,target_size(227,227),classes=['class1','class2'])
x_train, y_train = next(train_batches)
当我打印x_train的形状时，它会给出(32, 227, 227, 3)。我不知道"32“究竟是从哪里来的。正因为如此，我在训练模特方面有
浏览 0提问于2018-08-20得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
