python - 如何在 Keras/Tensorflow 中返回增强数据

Question

我有一个经过增强数据预训练的网络，但我想从最后一层提取特征向量并训练另一个分类器(例如，svm)。为此，我需要从增强训练数据和测试数据中提取输出。

但是，我对 Keras/tensorflow 很菜鸟，我只需要在 numpy 数组中添加增强训练数据即可在我的特征提取器代码中使用它。如果我不使用增强训练数据，我可以毫无问题地做到这一点。

这是我迄今为止尝试过的:

#train on augmented data
model.fit_generator(datagen.flow(x_train, y_train,
                                     batch_size=batch_size),
                                     steps_per_epoch=x_train.shape[0] // batch_size,
                                     epochs=epochs,
                                     validation_data=(x_test, y_test))

#extract augmented data. Is this correct?
x_train_augmented, y_train_augmented=datagen.flow(x_train, y_train, batch_size=batch_size)

根据Keras Documentation函数 flow(X, y):获取 numpy 数据和标签数组，并生成批量的增强/标准化数据。在无限循环中无限期地生成批处理。

那么，如何循环并返回形状矩阵(num_images、宽度、高度、 channel )中的增强数据？

Answer 1

假设您有 N 个大小为 28x28 的灰度图像，那么您可以使用

for x_train_augmented, y_train_augmented in datagen.flow(x_train, y_train, batch_size=batch_size):
        x_train_data = x_train_augmented.reshape(-1, 28, 28, 1)

这里，x_train_data 的形状将为 [N, 28, 28, 1]。