Python 使用来自_目录的Keras flow_和我的方法的预处理方法是否相同？

这是使用ImageDataGenerator和来自_目录的flow_进行预处理，以在Keras中训练我的模型

train_datagen = ImageDataGenerator(rescale = 1./255)

train_dir = os.path.join(r'C:\Users\Admin\Desktop\deeplearning\ajou cat project resnet 18\data\trainset')
 
train_generator = train_datagen.flow_from_directory(train_dir, batch_size=16, target_size=(224, 224), color_mode='rgb')

# number of classes
K = 10

input_tensor = Input(shape=(224, 224, 3), dtype='float32', name='input')

#
# model architecture
#

x = conv1_layer(input_tensor)
x = conv2_layer(x)
x = conv3_layer(x)
x = conv4_layer(x)
x = conv5_layer(x)
x = GlobalAveragePooling2D()(x)
output_tensor = Dense(K, activation='softmax')(x)
 
resnet = Model(input_tensor, output_tensor)

resnet.compile(loss = 'categorical_crossentropy', optimizer = 'rmsprop', metrics = ['accuracy'])
    
resnet.fit(train_generator, steps_per_epoch = 11, epochs = 50)

这是我用一张图片来测试我训练过的模型的预处理方法

target = (224, 224)
image = pilimg.open(r'C:\Users\Admin\Desktop\deeplearning\ajou cat project resnet 18\test\test.jpg')
image = image.resize(target)
image = img_to_array(image)
image = np.expand_dims(image, axis = 0)
image = image/255

---

它们是相同的预处理吗？

是的，它们是相同的，但如果要应用多个处理并确定处理方法，

ImageDataGenerator

使用

预处理函数

参数。 您可以定义预处理函数并将其交给生成器。然后，在测试时，您可以使用相同的功能