Warning: file_get_contents(/data/phpspider/zhask/data//catemap/0/mercurial/2.json): failed to open stream: No such file or directory in /data/phpspider/zhask/libs/function.php on line 167

Warning: Invalid argument supplied for foreach() in /data/phpspider/zhask/libs/tag.function.php on line 1116

Notice: Undefined index: in /data/phpspider/zhask/libs/function.php on line 180

Warning: array_chunk() expects parameter 1 to be array, null given in /data/phpspider/zhask/libs/function.php on line 181
Keras 对GAN使用自定义数据集而不是MNIST_Keras_Deep Learning_Dataset_Mnist_Generative Adversarial Network - Fatal编程技术网

Keras 对GAN使用自定义数据集而不是MNIST

Keras 对GAN使用自定义数据集而不是MNIST,keras,deep-learning,dataset,mnist,generative-adversarial-network,Keras,Deep Learning,Dataset,Mnist,Generative Adversarial Network,我正试图在此基础上使用一个简单的生成性对抗网络(GAN)。代码中的GAN示例使用MNIST数据集 # Load the dataset (X_train, _), (_, _) = mnist.load_data() 您能帮助我如何将mnist.load_data()更改为我自己的自定义数据集吗 我不知道你是否解决了这个问题,但我会尽力提供一个答案。首先,不能将mnist.load_data()更改为您自己的自定义数据集,它包含mnist数据。 为了进一步帮助您,我需要深入了解“您自己的”数据

我正试图在此基础上使用一个简单的生成性对抗网络(GAN)。代码中的GAN示例使用MNIST数据集

# Load the dataset
(X_train, _), (_, _) = mnist.load_data()

您能帮助我如何将
mnist.load_data()
更改为我自己的自定义数据集吗

我不知道你是否解决了这个问题,但我会尽力提供一个答案。首先,不能将
mnist.load_data()
更改为您自己的自定义数据集,它包含
mnist
数据。 为了进一步帮助您,我需要深入了解“您自己的”数据集是什么


当我使用“我自己的”数据集时,我通常将它们存储在NumPy数组中,这样我就知道了结构,并且我可以使用
NumPy.load()

以下是从目录加载一组图像的示例:

from tensorflow.keras.preprocessing.image import ImageDataGenerator
def load_images():
    normalize = lambda x: (x.astype('float32') - 127.5) / 127.5 # normalize to between -1: and 1
    data_gen = ImageDataGenerator(preprocessing_function=normalize, zoom_range=0.2, 
                                  horizontal_flip=True,rotation_range=0.05)

    x_train = data_gen.flow_from_directory(INPUT_DIR,
                                            target_size = (IMAGE_SIZE,IMAGE_SIZE),
                                            batch_size = BATCH_SIZE,
                                            shuffle = True,
                                            save_to_dir='augmented',
                                            class_mode = 'input',
                                            subset = "training")

    return x_train

x_train = load_images()