python - Keras2 ImageDataGenerator 还是 TensorFlow tf.data？

Question

随着 Keras2 即将在 TensorFlow 和 TensorFlow 2.0 中实现，您是否应该将 Keras ImageDataGenerator 与例如 flow_from_directory 或 tf.data 一起使用来自 TensorFlow，现在也可以与 Keras 的 fit_genearator 一起使用？

这两种方法是否会通过服务于不同的目的而占有一席之地，或者 tf.data 是否会成为新的方法并且 Keras 生成器在未来会被弃用？

谢谢，我想走这条路，让我在这个快速发展的领域保持更长时间的最新状态。

Answer 1

除了自定义的 Python 生成器，您还可以包装 ImageDataGenerator来自 Keras 内部 tf.data .

TensorFlow >= 2.10 (都是关于 tf.data.Dataset() )

   # Treat it as a normal tf.data.Dataset()
   dataset = tf.keras.utils.image_dataset_from_directory (...)
   # Or any other augmentation
   normalization_layer = tf.keras.layers.Rescaling(1./255)
   normalized_dataset = dataset.map(lambda x, y: (normalization_layer(x), y))

TensorFlow <= 2.9 (弃用警告可能已经出现在那些)以下片段摘自 TensorFlow 2.0 文档。

img_gen = tf.keras.preprocessing.image.ImageDataGenerator(rescale=1./255, rotation_range=20)
ds = tf.data.Dataset.from_generator(
    img_gen.flow_from_directory, args=[flowers], 
    output_types=(tf.float32, tf.float32), 
    output_shapes = ([32,256,256,3],[32,5])
)

因此，仍然可以使用典型的 Keras ImageDataGenerator ，你只需要将它包装成一个 tf.data.Dataset如上。