Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
OpenDocCN
ml-mastery-zh
提交
23b2ceec
M
ml-mastery-zh
项目概览
OpenDocCN
/
ml-mastery-zh
大约 1 年 前同步成功
通知
2
Star
556
Fork
158
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
M
ml-mastery-zh
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
体验新版 GitCode,发现更多精彩内容 >>
提交
23b2ceec
编写于
11月 07, 2019
作者:
ElamDavies
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
校正
上级
e4f57afb
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
5 addition
and
5 deletion
+5
-5
docs/dl-keras/image-augmentation-deep-learning-keras.md
docs/dl-keras/image-augmentation-deep-learning-keras.md
+5
-5
未找到文件。
docs/dl-keras/image-augmentation-deep-learning-keras.md
浏览文件 @
23b2ceec
...
...
@@ -16,7 +16,7 @@
让我们开始吧。
*
**更新**
:本文中的示例已针对最新的 Keras API 进行了更新,
·
`datagen.next()`
函数已被删除。
*
**更新**
:本文中的示例已针对最新的 Keras API 进行了更新,
`datagen.next()`
函数已被删除。
*
**2016 年 10 月更新**
:更新了 Keras 1.1.0,TensorFlow 0.10.0 和 scikit-learn v0.18 的示例。
*
**2017 年 1 月更新**
:更新了 Keras 1.2.0 和 TensorFlow 0.12.1 的示例。
*
**2017 年 3 月更新**
:更新了 Keras 2.0.2,TensorFlow 1.0.1 和 Theano 0.9.0 的示例。
...
...
@@ -42,19 +42,19 @@ datagen = ImageDataGenerator()
API 不是在内存中对整个图像数据集执行操作,而是通过深度学习模型拟合过程进行迭代,为您及时创建增强的图像数据,这可以减少内存开销,但在模型训练期间会增加一些额外的时间成本。
创建并配置
**ImageDataGenerator**
后,你需要通过数据拟合,这个过程将计算实际执行图像数据转换所需的任何统计信息,您可以通过调用数据生成器上的
**fit()**
函数并将其传递给训练数据集来完成此操作。
创建并配置
**ImageDataGenerator**
后,你需要通过数据拟合,这个过程将计算实际执行图像数据转换所需的任何统计信息,您可以通过调用数据生成器上的
`fit()`
函数并将其传递给训练数据集来完成此操作。
```
py
datagen
.
fit
(
train
)
```
数据生成器本身实际上是一个迭代器,在请求时返回批量的图像样本。我们可以通过调用
**flow()**
函数来配置批量大小并准备数据生成器并获取批量图像。
数据生成器本身实际上是一个迭代器,在请求时返回批量的图像样本。我们可以通过调用
`flow()`
函数来配置批量大小并准备数据生成器并获取批量图像。
```
py
X_batch
,
y_batch
=
datagen
.
flow
(
train
,
train
,
batch_size
=
32
)
```
最后我们可以使用数据生成器,我们必须调用
**fit_generator()**
函数并传入数据生成器和所需的时间长度,训练的迭代次数以及总数,而不是在我们的模型上调用
**fit()**
函数。
最后我们可以使用数据生成器,我们必须调用
`fit_generator()`
函数并传入数据生成器和所需的时间长度,训练的迭代次数以及总数,而不是在我们的模型上调用
`fit()`
函数。
```
py
fit_generator
(
datagen
,
samples_per_epoch
=
len
(
train
),
epochs
=
100
)
...
...
@@ -74,7 +74,7 @@ from keras.datasets import mnist
from
matplotlib
import
pyplot
# 加载数据
(
X_train
,
y_train
),
(
X_test
,
y_test
)
=
mnist
.
load_data
()
#
create a grid of 3x3 images
#
创建一个3×3的网格图像
for
i
in
range
(
0
,
9
):
pyplot
.
subplot
(
330
+
1
+
i
)
pyplot
.
imshow
(
X_train
[
i
],
cmap
=
pyplot
.
get_cmap
(
'gray'
))
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录