Использование ImageDataGenerator.fit для таких аргументов, как 'featurewise_std_standardization', 'zca_whitening

Question

Я хочу использовать ImageDataGenerator.fit для таких аргументов, как 'featurewise_std_standardization', 'zca_whitening для каталога изображений.

В Интернете я нашел несколько решений для преобразования изображений в массивы NumPy, однако хочу найтиболее простой метод, так что я могу использовать flow_from_directory для новых меток данных и т. д. Код выглядит примерно так:

train_datagen = ImageDataGenerator(rescale = 1./255,
                               zoom_range = 0.2,
                               horizontal_flip = True, zca_whitening=True)



**This is where I want to fit the data something like this,**

train_datagen.fit('data/train')

training_set = train_datagen.flow_from_directory('data/train',
                                             target_size = (64, 64),
                                             batch_size = 32,
                                             class_mode = 'binary')

test_set = test_datagen.flow_from_directory('data/test',
                                        target_size = (64, 64),
                                        batch_size = 32,
                                        class_mode = 'binary')

Answer 1

Найден обходной путь с использованием cv2,

img = cv2.imread(i, -1)
img = cv2.resize(img, (64, 64))
img = np.array(img, dtype="float")

. Это создает для меня пустой массив, который я затем могу вписать в datagen

datagen.fit(img)