如何用Keras预处理层创建额外的训练图像？
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
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？
-
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