Python 在Keras中同时增广X，y

我想同时增加keras中的

X

（500,28,28,1）、

Y

（500,28,28,1）图像集，并将它们存储在一个数组中以可视化结果（在我可以训练网络之前）输出y不是标签，而是图像。

我在

y\u-train

（Mnist数据集）中复制

X\u-train

，并希望在

X

、

y

中应用相同的效果来训练网络。然而，我无法对X和y进行转换。我只在X上获得ZCA。我的代码是：

'''

'''

---

temp[0…]应用了ZCA，而temp[1…]没有任何影响

您需要将

X\u列、y\u列

和

X\u测试、y\u测试

的对作为

datagen

方法的参数传递。下面是一个例子：

datagen = ImageDataGenerator(zca_whitening=True)

datagen.fit(X_train) # to compute quantities required for featurewise normalization

training_set = datagen.flow(X_train, y_train, batch_size=100)
test_set = datagen.flow(X_test, y_test, batch_size=100)

classifier.fit_generator(training_set, validation_data=test_set, epochs=100)

这允许同时增加输入

X

和相应的地面真值标签

Y

，以训练神经网络

希望这有帮助

---

这里有一些相同的参考：，&

X是图像，y是标签。为什么要对两个用途完全不同的实体应用相同的效果？如果您阅读上述代码，我已经声明y_train=X_trainThank@Balraj我正在尝试将数据存储在数组中，而不是将其传递给培训。如何从training_set中检索图像？由于我无法立即检查，我想

training_set[0]

应该提供增强的

X_train'

dataset。实际上，在编辑过程中，我在前面的代码中添加了

dataset.fit（X_train）

行。这是ZCA效应或任何其他归一化效应所必需的。你能再次运行扩充部分并确认你没有得到ZCA扩充吗？好的，training_Set[0]是一个元组，所以我将它转换为narray:ary=np.asarray（training_Set），它给出了（2100,28,28,1）数组。。。然后，我考虑ARY（1…）和ALE（0…），但两者都有相同的图像，只有在0（……）图像中有ZCA效应，而不是在1（……）图像中。我期望两者都具有相同的效果，或者可能是我正在解释这个错误。请在您获得时间的时候帮助我。

datagen = ImageDataGenerator(zca_whitening=True)

datagen.fit(X_train) # to compute quantities required for featurewise normalization

training_set = datagen.flow(X_train, y_train, batch_size=100)
test_set = datagen.flow(X_test, y_test, batch_size=100)

classifier.fit_generator(training_set, validation_data=test_set, epochs=100)