Tensorflow 如何从3台Keras发电机中生产1个小批量

我正在训练一个CNN，我有3个数据源。换句话说，我有3个包含图像的文件夹，我需要在每个训练步骤中从每个文件夹中拍摄一张图像

我制作了以下发电机：

def发生器三个IMG（索引，批次大小=1）：
anchor\u paths=[r'C:\Users\sinthes\Desktop\AI\u anaconda\face\u recognition\dataset\train\E\anchor'，
r'C:\Users\sinthes\Desktop\AI\u anaconda\face\u recognition\dataset\train\T\Anchor']
正路径=[r'C:\Users\sinthes\Desktop\AI\u anaconda\face\u recognition\dataset\train\E\positive'，
r'C:\Users\sinthes\Desktop\AI\u anaconda\face\u recognition\dataset\train\T\Positive']
负路径=[r'C:\Users\sinthes\Desktop\AI\u anaconda\face\u recognition\dataset\train\E\negative'，
r'C:\Users\sinthes\Desktop\AI\u anaconda\face\u recognition\dataset\train\T\Negative']
generator1=ImageDataGenerator（）
generator2=ImageDataGenerator（）
generator3=ImageDataGenerator（）
anchor\u train\u batches=generator1.flow\u from\u目录（anchor\u路径[index]，target\u size=（224224，224），batch\u size=batch\u size）
正\u序列\u批次=生成器2.来自\u目录的流（正\u路径[索引]，目标\u大小=（224224，224），批次\u大小=批次\u大小）
负\u序列\u批次=生成器3.来自\u目录的流（负\u路径[索引]，目标\u大小=（224224，224），批次\u大小=批次\u大小）
尽管如此：
anchor\u imgs，anchor\u标签=anchor\u train\u批次。下一步（）
阳性标签=阳性批次。下一步（）
阴性标签=阴性批次。下一步（）
输入\u imgs=np.append（锚定\u imgs，正\u imgs，轴=0）
input\u imgs=np.append（input\u imgs，negative\u imgs，axis=0）
labels=np.append（锚定标签、正标签、轴=0）
标签=np.append（标签，负标签，轴=0）
产量输入、IMG、标签

所以，input_imgs是一个（322243）维numpy数组。 标签是标签的数组；在这种情况下，数组中将有3个标签

然后，我尝试按照以下方式对其进行培训：

model.fit_发生器（发生器三个IMG（0），
步数（每个历元=23，历元=1，详细=2）

但它无法训练。Jupyter笔记本因发出以下消息而崩溃：

内核似乎已死亡。它将自动重新启动。

我在这里该怎么办？尝试构造一个小批量，用3个不同的Keras生成器从不同的目录获取其图像，这是错误的吗

---

提前谢谢你

你为什么不像我们其他人一样把文件复制到组合文件夹中呢？您似乎正在为一个不需要存在的问题设计解决方案。

您可能是对的。我最初尝试使用三重丢失方法来解决人脸验证/识别问题。当我训练暹罗网络时，我有3个输入流（用于锚定、正片、负片图像）。但是当我以后想使用我的模型进行预测时，我没有3个输入，只有1个。这里描述的问题是：你对此有什么评论吗？@edn你不能用一个变分自动编码器进行面部识别吗？你能再解释一下什么是变分编码器吗？@edn它就像一个有线电视新闻网，但这一个在再现它之前接收一个输入并存储一个潜在的信息。这样，网络就可以将输入内容与经过训练的图像进行比较并打分。请阅读“机器学习很有趣！第4部分：具有深度学习功能的现代人脸识别”