Tensorflow Keras替代ImageDataGenerator加载任意numpy张量
Keras的ImageDataGenerator非常适合逐步加载图像并将迭代器传递给model.fit函数。然而，它似乎只适用于图像和分类任务 我想做回归，也就是说，我的标签也是和训练集形状相同的数组。实际上，它们是多维（>1通道）数组，类似于图像，但它们不是图像 关于使用什么类简单地向keras model.fit（）输出成批数据以训练深层神经网络，有什么建议吗Tensorflow Keras替代ImageDataGenerator加载任意numpy张量,tensorflow,keras,tensorflow2.x,Tensorflow,Keras,Tensorflow2.x,Keras的ImageDataGenerator非常适合逐步加载图像并将迭代器传递给model.fit函数。然而，它似乎只适用于图像和分类任务 我想做回归，也就是说，我的标签也是和训练集形状相同的数组。实际上，它们是多维（>1通道）数组，类似于图像，但它们不是图像 关于使用什么类简单地向keras model.fit（）输出成批数据以训练深层神经网络，有什么建议吗 当然，问题是我的数据集太大，无法放入内存，这就是我需要使用这些生成器/迭代器的原因。一个快速解决方案是使用Colab，它的GPU实例
当然，问题是我的数据集太大，无法放入内存，这就是我需要使用这些生成器/迭代器的原因。一个快速解决方案是使用Colab，它的GPU实例有24 GB RAM可供使用。当您像我那样加载numpy数组时，也可以减少内存对于您的情况，最好的解决方案是使用
tf.data.Dataset（）例如，对于您的问题，您可能需要使用
tf.data.Dataset.from_tensor_slices（）