Разделить данные на пакеты

Question

Я хочу разбить данные о тренировках, данные испытаний и данные проверки на пакеты. Я работаю над набором данных Fashion MNIST и получаю к нему доступ непосредственно из keras.datasets. Я нашел код, упомянутый ниже:

trainbatches = ImageDataGenerator().flowfromdirectory(trainpath, targetsize=(224,224), classes= classname, batchsize=10 testbatches = ImageDataGenerator().flowfromdirectory(testpath, targetsize=(224,224), classes= classname, batchsize=10
valbatches = ImageDataGenerator().flowfromdirectory(valpath, targetsize=(224,224), classes= classname, batch_size=10

Поскольку я не загружал данные на жесткий диск и не обращался к ним с keras.datasets, как я могу выполнить это действие? Я пробовал с ImageDataGenerator().flow но это не работает? Есть ли способ сделать это?

Answer 1

Формат В основном вы использовали неверный формат возврата набора данных keras в отдельную метку с изображениями

Этот код работает для меня

# TensorFlow and tf.keras
import tensorflow as tf
from tensorflow import keras

# Helper libraries
import numpy as np
import matplotlib.pyplot as plt

print(tf.__version__)

fashion_mnist = keras.datasets.fashion_mnist

(train_images, train_labels), (test_images, test_labels) = fashion_mnist.load_data()

print(train_images.shape)
print(test_images.shape)


from keras.preprocessing.image import ImageDataGenerator
from keras.utils import np_utils
y_train = np_utils.to_categorical(train_labels, 10)
y_test = np_utils.to_categorical(test_labels,10)

datagen = ImageDataGenerator(
    featurewise_center=True,
    featurewise_std_normalization=True,
    rotation_range=20,
    width_shift_range=0.2,
    height_shift_range=0.2,
    horizontal_flip=True)


train_images=train_images.reshape(60000,28,28,1)
test_images=test_images.reshape(10000,28,28,1)

datagen.fit(train_images)

Подготовить вашу модель и скомпилировать

# fits the model on batches with real-time data augmentation:
model.fit_generator(datagen.flow(train_images,train_labels, batch_size=32),
                steps_per_epoch=len(x_train) / 32, epochs=epochs)