Python 使用Keras进行数据扩充
我使用CNN进行图像训练,在此之前,我使用keras对训练数据集执行数据增强 我对数据扩充有一些疑问:Python 使用Keras进行数据扩充,python,image-processing,machine-learning,neural-network,keras,Python,Image Processing,Machine Learning,Neural Network,Keras,我使用CNN进行图像训练,在此之前,我使用keras对训练数据集执行数据增强 我对数据扩充有一些疑问: 转换是否取决于fit\u generator()中指定的历元 是否有获取增强图像的最大纪元数 有没有最佳的历元数,可以提供所有可能的输出增强数据 应用于图像的变换是顺序变换还是随机变换 输出图像是否会在指定的次数后重复?如果是,那么该数字是多少;如果不是,那么最好使用什么数字?例如,假设我有一个图像,旋转范围为20。然后,我知道最初随机旋转将应用于旋转_范围内的图像,并且两个后续图像将不相同。
fit\u generator()
中指定的历元for images_iter, labels_iter in datagen.flow(image_dataset, Labels, batch_size=len(image_dataset), shuffle=False):
用于获取增强数据
其中,image\u dataset是形状[1,28,28,1]的图像数据集,标签只是0,逐一回答您的问题:
请参阅:首先,在哪里生成生成的集合?训练前?在培训期间?在培训之前。问题有点过于宽泛,有些要点与python/keras没有严格的关系是的,但我知道在培训期间使用了fit_generator()。@gionni,你在说什么?如果真的是这样,那么它肯定与数据增强或机器学习有关。我试着举个例子。假设我有一个图像,我通过旋转范围为20。在这种情况下,是否有固定数量的输出图像将以不同角度旋转?“不,在生成集合时,变换只计算一次。Ass你说,你在训练前做什么,仅此而已。'但是如果,我在训练前会反复迭代它,那么它会生成不同的变换,例如旋转。你是否尝试过使用生成器生成n个图像,然后在训练中使用它们?是的,我试过使用flow()如
在datagen.flow中为图像生成标签(图像数据集,标签,批次大小=len(图像数据集),随机播放=False):
你能在你的答案中发布这段代码吗?这样每个人都能看到它。