Python 将ZCA美白剂应用于keras中的VGG

我正在使用VGG来训练我的数据：

#分類するクラス
类别=['chino'、'cocoa'、'chiya'、'rize'、'syaro']
nb_类=len（类）
img_宽度，img_高度=150，150
# トレーニング用とバリデーション用の画像格納先
列车数据目录='数据集/列车'
验证\数据\目录='数据集/验证'
# 今回はトレーニング用に200枚、バリデーション用に50枚の画像を用意した。
nb_系列样品=200
nb_验证_样本=50
批量大小=16
nb_epoch=10
result_dir='results'
如果操作系统路径不存在（结果目录）：
os.mkdir（结果目录）
def vgg_型号_制造商（）：
VGG16のモデルを常设费用層以外使用。常设费用層のみ作成して結合して用意する """
#VGG16のロード。常设费用層は不要なので include_top=False
输入张量=输入（形状=（img\u宽度，img\u高度，3））
vgg16=vgg16（包括top=False、weights=imagenet、input\u tensor=input\u tensor）
#足球俱乐部層の作成
top_模型=顺序（）
top_model.add（展平（输入_shape=vgg16.output_shape[1:]））
top_model.add（密集型（256，activation='relu'））
top_模型。添加（辍学（0.5））
top_model.add（密集型（nb_类，activation='softmax'））
#VGG16と常设费用層を結合してモデルを作成
模型=模型（输入=vgg16.input，输出=top_模型（vgg16.output））
回归模型
def图像_生成器（）：
""" ディレクトリ内の画像を読み込んでトレーニングデータとバリデーションデータの作成 """
列车\数据发生器=图像数据发生器(
重新缩放=1.0/255，
缩放范围=0.2，
水平（翻转=真）
验证\u datagen=ImageDataGenerator（重缩放=1.0/255）
train_generator=来自目录的train_datagen.flow_(
列车数据目录，
目标尺寸=（图像宽度、图像高度），
颜色模式='rgb'，
类=类，
class_mode='classifical'，
批次大小=批次大小，
洗牌=真）
验证\u生成器=验证\u datagen.flow\u来自\u目录(
验证\u数据\u目录，
目标尺寸=（图像宽度、图像高度），
颜色模式='rgb'，
类=类，
class_mode='classifical'，
批次大小=批次大小，
洗牌=真）
返回（序列发生器、验证发生器）
如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'：
开始=时间。时间（）
# モデル作成
vgg_model=vgg_model_maker（）
# 最後の卷积和多项式相乘層の直前までの層を冻结
对于vgg_模型中的层。层[：15]：
layer.trainable=错误
# 多クラス分類を指定
vgg_model.compile（loss='classifical_crossentropy'，
优化器=优化器.SGD（lr=1e-3，动量=0.9），
指标=[‘准确度’]）
# 画像のジェネレータ生成
序列生成器，验证生成器=图像生成器（）
#微调
历史=vgg_model.fit_生成器(
列车发电机，
每个历元的样本数=nb列样本数，
nb_epoch=nb_epoch，
验证数据=验证生成器，
nb_val_样本=nb_验证_样本）
vgg_model.save_weights（os.path.join（result_dir，'finetunning.h5'））
进程时间=（time.time（）-start）/60
打印（u'学習終了。かかった時間は', 处理时间，处理时间分です。')

如果它只是VGG一个，它工作得很好，但我想对它应用zca增白。Keras允许只使用一行代码添加zca（

zca\u whitening=True

），但问题是我们以后必须调用

fit（）

函数

ImageDataGenerator#fit（）

的参数是x，这是训练数据集。但是在本程序中，训练数据集将在后面定义。因此，在这种情况下如何使用zca白化

更新 我已经按照下面的评论做了，但它引发了一个错误：

需要的工作数组太大--无法使用执行计算 标准32位LAPACK

---

为了减少内存，我尝试只将6个图像放入训练数据集中，但没有任何更改。那么这个错误到底意味着什么呢？

实际上非常简单。创建生成器+

DirectoryIterator

，但不增白，加载一组批（包含足够的样本来表示数据集）在内存中，并使用它们安装新的发电机：

将numpy导入为np
从keras.preprocessing.image导入ImageDataGenerator
列车_dir='/datasets/train/'
gen_tr_批次=4
#网络培训生成器的生成器。
gen_序列=（图像数据生成器（重缩放=1./255）
.flow_from_目录（train_dir，
目标_大小=（256，256），
批次大小=32，
洗牌=真）
gen_tr_x=np.vstack（下一个（gen_系列）[0]用于范围内（gen_tr_批次））
#网络培训的实际发电机。
g=ImageDataGenerator（重缩放=1./255。，
zca_=真）
g、 安装（gen_tr_x）
列车=g.来自列车目录的流量（列车目录）
#网络培训。。。

---

注意：不要发布链接。最好在帖子中简单地写下一段可复制的代码片段。

什么意思对VGG应用白化？您通常会对输入进行白化，而不是网络本身。请澄清您的问题。白化输入是我在这里的意思。我在图像生成方面有问题。谢谢！我将尽量不这样做再次发布链接。谢谢！我试过了，但知道程序这么说“无法使用标准32位LAPACK执行计算。这意味着什么？我没有这个问题。请在此转储您的pip包列表，并向我提供有关您的设置的一些信息。此外，有人在处理非常大的矩阵时遇到了问题。请将

gen\u tr\u batches

减少到1，并将

batch\u size

减少到1。然后看看它是否有效。是的，我也会第二个问题是“类似的问题”，但我已经将所有批处理大小更改为1，但没有任何效果。我的代码与您编写的代码基本相同，只是我将目标大小更改为（100100）。是吗