我正在检索数据，一次洗牌一批，而不是把所有东西都加载到ram中。在我的__init__中，我有self.datagen = ImageDataGenerator(width_shift_range=0.2, height_shift_range=0.2, zoom_range然后在我的__getitem__中，我有： self.datagen.fit(x_batch)
x_batch = next(self.data
浏览 15提问于2019-05-19得票数 1
使用tf.keras.preprocessing.image.ImageDataGenerator在单个图像上使用.执行单个随机变换不会对其进行缩放(使用1/255)。代码片段：import PIL
img_t = img_gen.random_transform(np.array(i
浏览 0提问于2020-04-02得票数 0
可以在$theta_{min}$和$theta_{max}$？ImageDataGenerator(rotation_range=90)将图像以0到90度之间的随机角度旋转，例如，可以在50到60度之间旋转？
浏览 0提问于2018-04-27得票数 0
1回答
如何将数据增强应用于数据集
、、、、
我有一个非常小的数据集，我需要做数据增强。我正在使用Keras，理解这种方法如何帮助我是有问题的。
我看了一些教程，他们建议在模型中添加层来进行数据增强。我的问题是:数据增强如何帮助我处理一个小数据集，如果我传递到数据集中包含的model.fit N图像，这些图像只会被翻转或旋转，我将不会有两个类似的图像:例如，原始图像和翻转图像。在我的代码中，我遵循本教程选项1
浏览 5提问于2020-10-26得票数 1
回答已采纳
一段时间前，我读了这个，并且非常满意，完全切换到tf.keras。所以我有点困惑。“keras包的最新版本(v2.3.0)将是支持多个后端和功能更新的最后一个版本。”来自
如果我坚持和tf.keras在一起，我会错过什么吗？我指的是具体的特性(使这成为一个“基于事实的”问题)
浏览 3提问于2020-08-12得票数 0
回答已采纳
当您使用ImageDataGenerator时，会给出大量的预处理函数，我们也可以传递自己的预处理输入。让我们假设我们init类如下： featurewise_center=True,featurewise_std_normalization,preprocessing_function=preprocess_input)
这里的转换顺序是什么？是否会首先进行重新标度，还是prepr
浏览 2提问于2021-04-03得票数 0
回答已采纳
我感兴趣的是在tf.keras中训练一个模型，然后用keras加载它。我知道这不是很明智，但我对使用tf.keras来训练模型很感兴趣，因为
tf.keras更容易构建输入管道。我希望使用coremltools将我的模型转换为ios，而coreml工具只适用于keras，而不是tf.keras。我遇到了一些路障，因为并不是所有的tf.keras层都可以作为keras层加载。例如，我没有遇到简单<
浏览 1提问于2019-07-22得票数 4
回答已采纳
1回答
我知道图像的数据增强技术。然而，我对如何生成增强的数据有疑问。随机RotationRandom
在Keras中，我们使用ImageDataGenerator来增强图像，而数据被提取用于训练。例如，如果我们有100张图片要开始。然后，ImageDataGenerator将在这些图像上应用上述提到
浏览 3提问于2021-01-02得票数 0
1回答
我依赖于数据集的大量扩展(原始数据集: 1988x1355x3的59幅图像，每个批注> 80 )，我将其存储在本地(需要评估类型/增强程度和验证度量)。增强后的数据集统计6000幅图像。该数据集在图像的x维和y维数上有所不同，因为分辨率降低和仿射转换-我假设不同的x，y维数不会影响最终测试。
然而，每当我加载超过“X”映像来训练模型时，我的Python内核就会崩溃。因此，我想出了在子数据集中分割数据集
浏览 3提问于2020-04-12得票数 0
既然TensorFlow 1.1支持tf.contrib.keras下的Keras，如果我打算在TF后端使用Keras，应该使用哪一个？tf.contrib.keras版本与常规的Keras发行版有任何不同吗？(考虑到内部数据结构的TF特定优化)。如果我使用一种或另一种，同时使用Keras和TensorFlow核心有什么好处？或者tf.contrib.keras只是与Keras相同的代码基的副本，但位于不同的命名空间中？
浏览 8提问于2017-05-19得票数 37
回答已采纳
我试图同步转换我的图像和掩码标签，但是随机增强被不同地应用于这两个生成器(当我将两个图像保存到一个目录中时证明了这一点)。我试过了其中一件事是把批次设置为1，但后来我的训练成绩受到了影响rescale
浏览 7提问于2019-10-24得票数 3
，所以我没有用tf.keras编写我的代码，根据本教程，用预先训练的NN：来完成代码，
在调用预训练的模型时，我必须设置参数training=False，这样，当我稍后解冻以进行细化时，批处理规范化不会破坏我的模型但是我如何在keras中做到这一点(记住:我没有用tf.keras编写它)。在角光圈里有必要这样做吗？我试着重写tf.keras中的所有内容</
浏览 3提问于2020-05-25得票数 3
Keras的ImageDataGenerator是否会创建添加到我的数据集中的新图像？如果我有1000张图片，使用这个函数会不会是用于训练的2000张图片的两倍？有没有办法知道创建了多少图像并将其输入到模型中？
浏览 2提问于2018-08-08得票数 38
更新:见下面新的一节。很明显有些地方不对劲。我是误解了evaluate_generator的结果，还是没有正确地做predict_classes？：在MatiasValdene格罗的帮助下，我用我的代码
浏览 0提问于2018-04-08得票数 1
回答已采纳
我有两个关于ImageDataGenerator的问题：2) ImageDataGenerator.flow中的数据被无限期地循环(成批)。因为我需要在每个步骤(而不是
浏览 0提问于2016-11-22得票数 2
谁能告诉我，ImageDataGenerator是在训练时随机抽取一批原始数据，还是在每个时期按顺序抽取，就像第一次迭代中的前100个样本，第二次迭代中的第二个100个样本，等等？我需要理解这一点，因为我正在训练卷积自动编码器，并且输入也作为输出在model.fit()中传递。所以两者应该是正确对应的。 该数据集具有3200张大小为360x640的图像。到目前为止
浏览 34提问于2021-04-15得票数 1
我有一个很大的数据集，我想用它来训练一个带有Keras的CNN (太大了，无法将其加载到内存中)。我总是使用ImageDataGenerator.flow_from_dataframe进行训练，因为我的图像分布在不同的目录中，如下所示。datagen = ImageDataGenerator() d
浏览 14提问于2021-10-28得票数 1
回答已采纳
我想通过随机旋转、平移、剪切和翻转为图像生成增强数据。或者有没有另一个简单的即插即用的python包，我可以用它来代替用numpy或opencv实现所有的东西？
浏览 0提问于2017-04-04得票数 3
3回答
我试图通过在for循环中随机更改其图像的色调来扩展数据集，但是这些更改不会在循环之外持续存在。我用tf.keras.utils.image_dataset_from_directory导入了数据集。numpy().astype("uint8")) plt.axis("off")当我打印一个图像的前两次但是，当我稍后打印出更多的图像时，它们<e
浏览 4提问于2022-09-20得票数 0
回答已采纳
1回答
我是Keras的新手，使用ImageDataGenerator对目录中的图像进行训练。我现在想要预测另一个目录中的未知图像，但我不确定如何重现下面的代码正在进行的转换。generator = ImageDataGenerator(rescale=1. / 255).flow_from_directory( target_size=(img_width, img_height),
浏览 0提问于2018-03-12得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
