Python 如何查看ImageDataGenerator（）中的示例

我目前正在学习使用cifar10图像的教程。我已经编写了一些完整的工作代码，其中包含行

model.fit（x_train，y_train）

其中x_train作为尺寸为50000x32x32x3和数据类型为“uint8”的numpy数组。即，它包含50000个32x32像素的彩色图像。我可以通过调用imshow（）来显示这些图像的一个示例-所有这些图像看起来都很好，工作正常

但现在在本教程的下一部分中，它建议如果我们使用ImageDataGenerator（）创建多个扭曲（旋转、缩放、倾斜等）版本的训练图像，模型将更通用。我想通过显示过程中产生的一些扭曲图像来更好地理解ImageDataGenerator（）。请看下面的示例：

# here's a more "manual" example
for e in range(epochs):
    print('Epoch', e)
    batches = 0
    for x_batch, y_batch in datagen.flow(x_train, y_train, batch_size=32):
        model.fit(x_batch, y_batch)
        batches += 1
        if batches >= len(x_train) / 32:
            # we need to break the loop by hand because
            # the generator loops indefinitely
            break

我的当前代码（无扭曲）使用线

model.fit（x\u-train，y\u-train）

来训练模型，因此查看示例

model.fit（x\u-batch，y\u-batch）

中的线，我假设x\u-batch必须是当前x\u-train图像的32个不同扭曲版本的集合。我试着编写一些代码，这样我就可以实际显示32幅图像，如下所示：

import tensorflow as tf
import matplotlib.pyplot as plt
import numpy as np

def print_array_info(v):
    print("{} is of type {} with shape {} and dtype {}".format(v,
                                                           eval("type({})".format(v)),
                                                           eval("{}.shape".format(v)),
                                                           eval("{}.dtype".format(v))
                                                           ))

def show_samples(array_of_images):
    n = array_of_images.shape[0]
    total_rows = 1+int((n-1)/5)
    total_columns = 5
    fig = plt.figure()
    gridspec_array = fig.add_gridspec(total_rows, total_columns)

    for i, img in enumerate(array_of_images):
        row = int(i/5)
        col = i % 5
        ax = fig.add_subplot(gridspec_array[row, col])
        ax.imshow(img)

    plt.show()


cifar_data = tf.keras.datasets.cifar10
(x_train, y_train), (x_test, y_test) = cifar_data.load_data()

data_generator = tf.keras.preprocessing.image.ImageDataGenerator(rotation_range=20)

print_array_info("x_train")

batches = 0
batch_size=32

for x_batch, y_batch in data_generator.flow(x_train, y_train, batch_size=batch_size):
    print_array_info("x_batch")
    batches += 1
    if batches >= len(x_train) / 32:
        break
    show_samples(x_batch[:batch_size])

我以为第一次通过循环时，我会看到x_序列中第0张图像的32个不同扭曲版本。但当我运行这个程序时，它会生成几乎空白的图像——我说几乎是因为其中一个或多个可能包含一些看起来像垃圾的像素。我预计x_批次的大小为32x32x3，即32幅32x32像素和3种颜色的彩色图像的集合，这看起来确实是真的，但数据类型是浮动的32，这让我感到困惑-我认为整经过程不会改变数据类型

---

我的代码中是否有错误，或者我是否误解了文档？

x\u batch

是一个浮点型数组，因为对数据集应用了随机旋转

当传递给的图像数据（

x_batch

）为

float

类型时，rgb值必须在

0

-

1

的范围内。将

x_批次

乘以

1/225

，得到单位分数表示

对于数据生成器中的x_批，y_批（x_列，y_列，批大小=批大小）：
打印阵列信息（“x\U批次”）
批次+=1
如果批次>=长度（x\U系列）/批次大小：
打破
显示样本（x批次*1/255）

x_batch

是一个浮点型数组，因为随机旋转应用于数据集

当传递给的图像数据（

x_batch

）为

float

类型时，rgb值必须在

0

-

1

的范围内。将

x_批次

乘以

1/225

，得到单位分数表示

对于数据生成器中的x_批，y_批（x_列，y_列，批大小=批大小）：
打印阵列信息（“x\U批次”）
批次+=1
如果批次>=长度（x\U系列）/批次大小：
打破
显示样本（x批次*1/255）