Warning: file_get_contents(/data/phpspider/zhask/data//catemap/2/tensorflow/5.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
在python中向图像生成器添加元数据_Python_Tensorflow - Fatal编程技术网

在python中向图像生成器添加元数据

在python中向图像生成器添加元数据,python,tensorflow,Python,Tensorflow,是否有办法将更多信息放入生成器变量中 目前,我有一个带有20300个图像的生成器,代码如下: train_dataGen = ImageDataGenerator(rescale=1./255,horizontal_flip=True,vertical_flip=True, preprocessing_function=rotate_image) train_generator = train_dataGen.flow_fr

是否有办法将更多信息放入
生成器
变量中

目前,我有一个带有20300个图像的生成器,代码如下:

train_dataGen = ImageDataGenerator(rescale=1./255,horizontal_flip=True,vertical_flip=True,
                                   preprocessing_function=rotate_image)

train_generator = train_dataGen.flow_from_directory(directory="/content/train_pad_cc",
                                                    class_mode="categorical",
                                                    batch_size=32,
                                                    target_size=(224,224),
                                                    shuffle = True, seed = 2)
我还有一个大小为(20300,30)的数组中的元数据。30列包含相关数据。 有没有办法将元数据数组插入到图像生成器中

我的意图是使用这个组合发电机来训练2个输入的CNN。我假设fit模型会自动将输入分配到各自的位置(第一个输入中的图像和第二个输入中的元数据)。我这么想是不是错了

下面的代码显示了我正在尝试实现和训练的CNN模型

#MY MODEL
resnet = ResNet101(include_top=False, weights='imagenet', input_shape=(224, 224, 3))
first_input = Input((224,224,3))
x = resnet(first_input )
first_dense = layers.GlobalAveragePooling2D()(x)


second_input = Input(shape=(28, )) 
second_dense = Dense(500,activation='relu')(second_input)

merge = concatenate([first_dense, second_dense])

merge_dense= Dense(100, activation='relu')(merge)
softmax= Dense(3,activation='softmax' )(merge_dense)

model = Model(inputs=[first_input , second_input], outputs=softmax)

#TRAINING MODEL
History= model.fit(combined_generator,epochs = 50,batch_size=32).history