我正在研究一个使用卷积神经网络的图像像素分类问题。
我的培训images
的大小是128x128x3
,并且
标签mask
是128x128
我在Keras进行如下培训:
Xtrain, Xvalid, ytrain, yvalid = train_test_split(images, masks,test_size=0.3, random_state=567)
model.fit(Xtrain, ytrain, batch_size=32, epochs=20, verbose=1, shuffle=True, validation_data=(Xvalid, yvalid))
但是,我想对Xtrain
和{128x128x3
和{
目前,我想继续使用model.fit
,而不是使用model.fit_generator
,因为我知道数据扩充通常是使用.fit_generator
完成的。在
所以本质上,我想循环model.fit
,这样Xtrain
和{
下面是一个使用ImageDataGenerator将输出保存到指定目录的示例,从而避免了使用model.fit_发电机. 在
从这里拍摄:https://blog.keras.io/building-powerful-image-classification-models-using-very-little-data.html
您可以更改参数以适合您的用例,然后生成xu train和xu valid或其他数据集,然后加载到内存中并使用普通的old模型.拟合. 在
相关问题 更多 >
编程相关推荐