Python Keras：当使用ImageDataGenerator时，如何禁用图像的大小调整，并使用来自\u dataframe/flow\u from\u目录的flow\u？

我试图通过使用ImageDataGenerator并将自定义函数传递给

preprocessing_function

参数，在图像上应用一些裁剪操作。但是，根据Keras文档，此功能仅在图像已调整大小后运行：

预处理_函数：将隐含在每个输入上的函数。 该函数将在图像调整大小和增强后运行

现在我想禁用调整大小，但是如果没有提供值，则target_size参数默认为（256256）。再次从文档中：

target\u size：整数元组（高度、宽度），默认值：（256、256）。 找到的所有图像都将调整到的尺寸

我一直试图将

target\u size

参数设置为

None

，但这会导致错误：

TypeError: 'NoneType' object cannot be interpreted as an integer

---

在我的例子中，裁剪已经调整大小的图像会产生错误的结果。因此，我正在寻找一种方法，以防止调整大小发生在所有或它只发生在我的自定义预处理函数已经应用。如果不编写一个完整的自定义数据生成器，这是可能的吗？

使用ImageDataGenerator的当前实现，这是不可能的。图像大小调整是在以下步骤中进行的：从

standarding

调用预处理函数

---

加载期间不调整大小也不是一个选项，因为迭代器需要为批处理调整数组，并且需要知道其形状。

使用ImageDataGenerator的当前实现是不可能的。图像大小调整是在以下步骤中进行的：从

standarding

调用预处理函数

---

加载期间不调整大小也不是一个选项，因为迭代批处理的数组并需要知道其形状。

如果不能使用

None

或

（None，None）

，那么我认为这是不可能的。但为什么会出错呢？只要让你的作物适应新的尺寸。如果你不能使用

None

或

（None，None）

，那么我认为这是不可能的。但为什么会出错呢？只要让你的作物适应新的尺寸就行了。