我有一个模型,它将两个图像作为输入并生成一个图像作为目标输出。
我所有的训练图像数据都在以下子文件夹中:
- 输入1
- 输入2
- 目标
我可以使用 keras 中的 ImageDataGenerator
类和方法,如 flow_from_directory
和 model.fit_generator
方法来训练网络吗?
我该怎么做?因为我遇到的大多数例子都处理单一输入和基于标签的目标输出。
在我的例子中,我有一个非分类目标输出数据和多个输入。
请帮忙,因为你的建议真的很有帮助。
最佳答案
一种可能性是将三个 ImageDataGenerator
合并为一个,使用 class_mode=None
(因此它们不返回任何目标),并使用 shuffle=False
(重要)。确保您对每个使用相同的 batch_size
并确保每个输入都在不同的目录中,并且目标也在不同的目录中,并且每个输入中的图像数量完全相同目录。
idg1 = ImageDataGenerator(...choose params...)
idg2 = ImageDataGenerator(...choose params...)
idg3 = ImageDataGenerator(...choose params...)
gen1 = idg1.flow_from_directory('input1_dir',
shuffle=False,
class_mode=None)
gen2 = idg2.flow_from_directory('input2_dir',
shuffle=False,
class_mode=None)
gen3 = idg3.flow_from_directory('target_dir',
shuffle=False,
class_mode=None)
创建自定义生成器:
class JoinedGen(tf.keras.utils.Sequence):
def __init__(self, input_gen1, input_gen2, target_gen):
self.gen1 = input_gen1
self.gen2 = input_gen2
self.gen3 = target_gen
assert len(input_gen1) == len(input_gen2) == len(target_gen)
def __len__(self):
return len(self.gen1)
def __getitem__(self, i):
x1 = self.gen1[i]
x2 = self.gen2[i]
y = self.gen3[i]
return [x1, x2], y
def on_epoch_end(self):
self.gen1.on_epoch_end()
self.gen2.on_epoch_end()
self.gen3.on_epoch_end()
用这个生成器训练:
my_gen = JoinedGen(gen1, gen2, gen3)
model.fit_generator(my_gen, ...)
或者创建自定义生成器。它的所有结构如上所示。
关于tensorflow - 用于多个输入和基于图像的目标输出的 Keras ImageDataGenerator,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/59492866/