Python 如何在Keras/Tensorflow中返回扩充数据

我在增强数据中有一个预先训练过的网络，但我想从最后一层提取特征向量，然后训练另一个分类器（例如，svm）。为此，我需要从增强训练数据和测试数据中提取输出

然而，我在Keras/tensorflow方面非常在行，我只需要在numpy数组中拥有增强的训练数据，以便在我的特征提取程序代码中使用它。如果我没有问题地使用增强训练数据，我可以做到这一点

以下是我迄今为止所做的尝试：

#train on augmented data
model.fit_generator(datagen.flow(x_train, y_train,
                                     batch_size=batch_size),
                                     steps_per_epoch=x_train.shape[0] // batch_size,
                                     epochs=epochs,
                                     validation_data=(x_test, y_test))

#extract augmented data. Is this correct?
x_train_augmented, y_train_augmented=datagen.flow(x_train, y_train, batch_size=batch_size)

根据函数流（X，y）：获取numpy数据和标签数组，并生成成批的增强/规范化数据。在无限循环中无限期地生成批次

---

那么，如何循环并返回形状矩阵（num_图像、宽度、高度、通道）中的增强数据呢

假设您有数量为28x28的灰度图像，那么您可以使用

for x_train_augmented, y_train_augmented in datagen.flow(x_train, y_train, batch_size=batch_size):
        x_train_data = x_train_augmented.reshape(-1, 28, 28, 1)

---

这里，x\u列数据的形状将是[N，28，28，1]。

谢谢您的回答。最后一个问题：这个循环有终点吗？似乎没有。是的，你是对的，它没有尽头。它将被执行，直到您停止它。我想，你知道如何终止循环。你们可以用柜台。