python - 将 keras ImageDataGenerator.flow_from_directory() 与 Talos Scan() 结合使用

Question

Talos 是一个模块，可让您对已为其编写代码的 keras 模型进行超参数调整。它在示例中的常规使用方式是使用 Scan 类，该类使用 x 和 y 参数实例化。这些参数应该包含一个数组，分别带有训练数据和标签。

def modelbuilder(x_train, y_train, x_val, y_val, params):
    # modelbuilding 
    out = model.fit(x_train, y_train)
    return model, out

talos.Scan(x, y, params=params, model=modelbuilder)

然而，Keras 提供了第二种使用 ImageDataGenerator 类导入数据的方法，而不是数组，您只需要一个包含训练/验证图像的目录。

train_datagen = ImageDataGenerator()
train_generator = train_datagen.flow_from_directory(
    train_data_dir,
    batch_size=batch_size
)

我不清楚如何扫描这个，数据生成应该包含一个超参数(批量大小)，它应该在modelbuilder函数中。但与此同时，Scan 要求以数组形式提供数据参数。关于如何将 Talos 与 ImageDataGenerator 结合起来的任何建议。

Answer 1

您现在可以在 Talos 实验中使用 fit_generator()。查看corresponding issue了解更多信息。

没有关于“如何做”的具体说明，因为根据 Talos 理念，您可以完全按照在独立 Keras 模型中使用 fit_generator 的方式使用它。只需将 model.fit(...) 替换为 model.fit_generator(...) 并根据需要使用生成器。