Python 将多个ImageDataGenerator的输出合并到一个张量

假设我想在两个

ImageDataGenerator

s中对图像应用两个不同的

预处理函数

，然后将这些输出连接到一个张量以训练模型

i、 例如，如果我有RGB图像，我的模型预计输入张量中有六个通道，因为我想连接两个生成器的输出（每个生成器将有三个通道）

具体地说：

# first preproc function
def preproc_function_1(image):
    image = np.array(image)
    return image * 0.1

# second preproc function
def preproc_function_2(image):
    image = np.array(image)
    return image * 0.2

# datagen_1 - that applies preproc_function_1 
train_datagen_1 = ImageDataGenerator(
     preprocessing_function=preproc_function_1)

# datagen_2 - that applies preproc_function_2
train_datagen_2 = ImageDataGenerator(
     preprocessing_function=preproc_function_2)

如果我们有这样的并行

ImageDataGenerator

s，我想我们也要使用两个验证生成器

 validation_datagen_1 = ImageDataGenerator()

 validation_datagen_2 = ImageDataGenerator()

问题:

如何继续使用

model.fit_generator（）

我想我必须使用

.flow\u from\u directory（）

（我的数据可以从

flow\u from\u directory

）来提供

生成器来训练模型

是否需要从目录（）创建两个
.flow\u对象？我在这里迷路了

非常感谢您提供的任何帮助
如果您只需创建一个预处理函数，就更容易了：

def preproc(image):
     return np.concatenate([
                            preproc_function_1(image), 
                            preproc_function_2(image)
                           ], axis=-1) #or axis=1 if channels_first

方案2-使用两台发电机
由于存在6通道问题，此自定义生成器应该可以工作。但您将没有“预处理”，而是有“后处理”：

class Processor(keras.utils.Sequence):
    def __init__(self, keras_generator)
        self.keras_generator = keras_generator

    def __len__(self):
        return len(self.keras_generator(

    def __getitem__(self, i):
        batch_x, batch_y = self.keras_generator[i]

        #do batch processing here

        return processed_batch_x, batch_y

    def on_epoch_end(self):
        self.keras_generator.on_epoch_end()

custom_generator = Processor(validation_datagen.flow_from_directory(...))

嗨@Daniel Möller谢谢你的回答！。我已经使用组合预处理功能创建了一个one
train\u datagen
和一个one
valid\u datagen
ImageDataGenerator
对象。但是我不知道从那时起如何使用
train\u datagen.flow\u from\u directory（）
和
model.fit\u generator（）
。调用
model.fit\u generator（）
时，我遇到了以下错误：
ValueError:无法将输入数组从形状（150150,6）广播到形状（150150,3）
。我认为这是因为使用了TBC。根据文档，
flow\u from\u directory（）
方法的输出是一个
DirectoryIterator，产生（x，y）元组，其中x是一个numpy数组，包含一批具有形状的图像（批大小，*目标大小，通道）
。如何将目标深度指定为6？我在目录中的图像是RGB，所以我认为这默认为3。在调试时，我可以看到错误在where
batch_x.shape
=32150150,3和
x.shape
=150150,6中返回。我知道如何从这里开始？而且，这里似乎有一个问题：这是因为您的
模型需要3个通道<代码>输入形状