我正在使用Inception V3創(chuàng)建圖像分類模型，并且有兩個類。我將數(shù)據(jù)集和標簽分為兩個numpy數(shù)組，數(shù)據(jù)分別以trainX和testY作為圖像，trainY和testY作為對應的標簽。data = np.array(data, dtype="float")/255.0labels = np.array(labels,dtype ="uint8")(trainX, testX, trainY, testY) = train_test_split( data,labels, test_size=0.2, random_state=42) train_datagen = keras.preprocessing.image.ImageDataGenerator( zoom_range = 0.1, width_shift_range = 0.2, height_shift_range = 0.2, horizontal_flip = True, fill_mode ='nearest') val_datagen = keras.preprocessing.image.ImageDataGenerator()train_generator = train_datagen.flow( trainX, trainY, batch_size=batch_size, shuffle=True)validation_generator = val_datagen.flow( testX, testY, batch_size=batch_size) 當我使用 ImageDataGenerator shuffle train_generator 時，圖像是否仍然匹配相應的標簽？驗證數(shù)據(jù)集也應該改組嗎？
1 回答
慕森王
TA貢獻1777條經(jīng)驗 獲得超3個贊
是的，圖像仍會匹配相應的標簽，因此您可以安全地設置shuffle為True。在引擎蓋下，其工作方式如下。調(diào)用.flow()的ImageDataGenerator將返回一個NumpyArrayIterator對象，它實現(xiàn)了洗牌的指標以下邏輯：
def _set_index_array(self):
self.index_array = np.arange(self.n)
if self.shuffle: # if shuffle==True, shuffle the indices
self.index_array = np.random.permutation(self.n)
self.index_array然后用于生成圖像（x）和標簽（y）（為了可讀性而截斷了代碼）：
def _get_batches_of_transformed_samples(self, index_array):
batch_x = np.zeros(tuple([len(index_array)] + list(self.x.shape)[1:]),
dtype=self.dtype)
# use index_array to get the x's
for i, j in enumerate(index_array):
x = self.x[j]
... # data augmentation is done here
batch_x[i] = x
...
# use the same index_array to fetch the labels
output += (self.y[index_array],)
return output
自己檢查源代碼，它可能比您想象的要容易理解。
改組驗證數(shù)據(jù)應該沒什么大不了的。改組的主要目的是在訓練過程中引入一些額外的隨機性。
添加回答
舉報
0/150
提交
取消