同时增大Keras中的X，y

Question

我想同时扩充keras中的X（500,28,28,1），Y（500,28,28,1）图像集，并将它们存储在一个数组中以可视化结果（在我可以训练网络之前）。输出y不是标签而是图像。

我在y_train（Mnist数据集）中复制X_train，我想在x和y中应用相同的效果来训练网络。但是，我不能同时对X和y进行转换。我在X上得到ZCA只有我的代码为：

''

(X_train, y_train), (X_test, y_test) = mnist.load_data()
X_train = X_train.reshape((X_train.shape[0], 28, 28, 1))
X_train = X_train.astype('float32')
y_train=X_train

datagen = ImageDataGenerator(zca_whitening=True)

datagen.fit(X_train)
datagen.fit(y_train)

training_set=datagen.flow(X_train,y_train,batch_size=100):
temp=np.asarray(training_set[0])

''

温度[0…]已应用ZCA，而温度[1…]没有任何影响

Answer 1

需要将X_train, y_train和X_test, y_test的对作为参数传递给datagen的flow方法。举个例子：

datagen = ImageDataGenerator(zca_whitening=True)

datagen.fit(X_train) # to compute quantities required for featurewise normalization

training_set = datagen.flow(X_train, y_train, batch_size=100)
test_set = datagen.flow(X_test, y_test, batch_size=100)

classifier.fit_generator(training_set, validation_data=test_set, epochs=100)

这允许同时增强输入X和相应的地面真值标签Y以训练神经网络。你知道吗

希望这有帮助！你知道吗

这里有一些相同的参考：1，2&；3