Deep learning fit_生成器中AUT编码器的验证_数据

我正在尝试构建一个自动编码器，我想知道我是否再次将验证数据从测试生成器更改为训练生成器

Keras文件中这样说

“这可以是

• 验证数据的生成器或序列对象
• 元组（x_val，y_val）
• 元组（x_val，y_val，val\u sample\u权重）

在每个历元结束时评估损失和任何模型度量的基础上。模型将不会在此数据上进行训练。”

通过改变验证数据来训练发生器，这不应该减少损失并提高精度吗

我是一个自动编码器的新手，我正在做一些大的事情，顺便问一下，准确率真的很差（35%），我能改进它吗

训练自动编码器 train_generator=来自目录的train_datagen.flow_( 火车路， 目标_大小=（150150）， 批次尺寸=100， class_mode='input'， 洗牌=真 )

---

我希望准确率达到80%或更高

将培训数据作为验证数据不是一个好做法；您可能会提高显示的验证精度，但验证的目标是对看不见的数据模拟一个小测试，以查看您的模型在“现实”中是如何工作的。您应该为产生验证数据的验证创建一个单独的生成器；您可能会提高显示的验证精度，但验证的目标是对看不见的数据模拟一个小测试，以查看您的模型在“现实”中是如何工作的。您应该为产生验证数据的验证创建一个单独的生成器。

 # normalize the images and Data Augmentation.
train_datagen = ImageDataGenerator(rescale=1./255)
test_datagen = ImageDataGenerator(rescale=1./255)

test_generator = test_datagen.flow_from_directory(
test_path,
target_size=(150,150),
batch_size=32,
class_mode='input', 
shuffle=True)



#train the model   
autoencoder_train = autoencoder.fit_generator(
                        train_generator,
                        steps_per_epoch=32,
                        epochs=10,
                        validation_data=train_generator,
                        validation_steps=32,
                        shuffle=True)