当前位置: 首页 > 知识库问答 >
问题:

如何用Keras预处理层创建额外的训练图像?

毕魁
2023-03-14

数据增强采用的方法是从现有的示例中生成额外的训练数据,方法是通过增强,然后使用随机转换来生成看起来可信的图像。这有助于将模型公开给数据的更多方面,并更好地泛化。

所以我对此的理解是--例如,如果我没有太多的训练图像--我希望通过在现有的训练图像之外创建新的、增强的图像来生成额外的训练数据。

然后在上面链接的Keras文档中显示了如何将层.experimental.preprocessing模块中的一些预处理层作为第一层添加到示例的顺序模型中。所以从理论上讲,这是有意义的,这些新的预处理层在“输入”真实的TF模型之前增强了输入数据(=图像)。

然而,正如上面所引用的,我认为我们想要做的是创建额外的图像,即为现有的训练图像创建新的、更多的图像。但是模型中的一组预处理层如何创建额外的图像呢?难道他们不是在进入模型之前(随机地)简单地增强现有的训练图像,而不创建新的、额外的图像吗?

共有1个答案

游安康
2023-03-14

它正在创建额外的图像,但这并不一定意味着它将创建新的jpg文件。

如果您正在尝试这样做,ImageDataGenerator可以通过save_to_dir参数来实现。

难道他们不是在进入模型之前(随机地)简单地增强现有的训练图像,而不创建新的、额外的图像吗?

 类似资料:
  • 在keras中。应用程序中,有一个VGG16模型在imagenet上预先培训过。 该模型具有以下结构。 我想用密集层(fc1、fc2和预测)之间的缺失层微调此模型,同时保持模型的所有预训练权重不变。我知道可以使用

  • 问题内容: 一般来说,我只是从keras和机器学习开始。 我训练了一个模型来对2类图像进行分类,并使用进行保存。这是我使用的代码: 它成功地以0.98的准确度进行了训练,相当不错。为了在新图像上加载并测试该模型,我使用了以下代码: 它输出: [[0]] 为什么不给出类的实际名称,为什么? 提前致谢。 问题答案: keras Forecast_classes(docs)输出类别预测的numpy数组。

  • 错误为: 谁能帮帮我吗?

  • 本文向大家介绍Keras使用ImageNet上预训练的模型方式,包括了Keras使用ImageNet上预训练的模型方式的使用技巧和注意事项,需要的朋友参考一下 我就废话不多说了,大家还是直接看代码吧! 在以上代码中,我们首先import各种模型对应的module,然后load模型,并用ImageNet的参数初始化模型的参数。 如果不想使用ImageNet上预训练到的权重初始话模型,可以将各语句的中

  • 本文向大家介绍使用Keras预训练模型ResNet50进行图像分类方式,包括了使用Keras预训练模型ResNet50进行图像分类方式的使用技巧和注意事项,需要的朋友参考一下 Keras提供了一些用ImageNet训练过的模型:Xception,VGG16,VGG19,ResNet50,InceptionV3。在使用这些模型的时候,有一个参数include_top表示是否包含模型顶部的全连接层,如

  • 文章信息 通过本教程,你可以掌握技能:使用预先训练的词向量和卷积神经网络解决一个文本分类问题 本文代码已上传到Github 本文地址:http://blog.keras.io/using-pre-trained-word-embeddings-in-a-keras-model.html 本文作者:Francois Chollet 什么是词向量? ”词向量”(词嵌入)是将一类将词的语义映射到向量空间