python - keras flow_from_directory 超过或欠采样一个类

Question

我正在尝试使用 Keras 解决二元分类问题，使用 ImageDataGenerator.flow_from_directory 方法生成批处理。但是，我的类非常不平衡，比如一个类比另一个多 8 倍或 9 倍，导致模型在为每个示例预测相同的输出类时卡住。有没有一种方法可以将 flow_from_directory 设置为在每个时期从我的小类过采样或从我的大类欠采样？目前，我刚刚在小类为每个图像创建了多个副本，但我希望有更多的灵 active 。

Answer 1

使用当前版本的 Keras - 仅使用 Keras 内置方法无法平衡您的数据集。 flow_from_directory 只是构建所有文件及其类的列表，对其进行洗牌(如果需要)，然后对其进行迭代。

但是你可以做一个不同的技巧 - 通过编写你自己的生成器来在 python 中进行平衡:

def balanced_flow_from_directory(flow_from_directory, options):
    for x, y in flow_from_directory:
         yield custom_balance(x, y, options)

这里 custom_balance 应该是一个给定批处理 (x, y) 平衡它并返回平衡批处理 (x', y') 的函数。对于大多数应用程序，批处理的大小不需要相同 - 但有一些奇怪的用例(例如 stateful RNNs) - 其中批处理大小应该具有固定大小)。