Keras - 更改在 fit() 中的数据集中拍摄图像的方式
Keras - Changing the way images are taken in a dataset in fit()
我正在研究机器学习和深度学习。我正在尝试从 Keras 网站自定义此模型 https://keras.io/examples/generative/wgan_gp/
我的模型在每次训练迭代中使用 3 个 512x512 图像（来自 10 个不同的目录），然后将它们分成用于训练生成器和鉴别器的补丁。这些图像必须是连续的并且属于同一个目录。目录可以在每次迭代中随机选择，并且必须从中获取 3 个图像。
总之，对于每次训练迭代，算法必须select一个随机目录，取3张连续的图像并将它们分成patch来训练两个网络。
如何自定义在 fit() 中迭代数据集的方式来实现此目的？
为了社区的利益，Shubham Panchal 在评论部分提供的答案中提供解决方案。
您可以使用 TensorFlow 执行此操作。看到这个 tutorial on DCGAN。使用 TensorFlow API，您可以使用任何现有的 Keras 模型创建自定义训练循环。您可以使用上面的教程并使用您拥有的 WGAN 模型来实现自定义训练循环。
我正在研究机器学习和深度学习。我正在尝试从 Keras 网站自定义此模型 https://keras.io/examples/generative/wgan_gp/
我的模型在每次训练迭代中使用 3 个 512x512 图像（来自 10 个不同的目录），然后将它们分成用于训练生成器和鉴别器的补丁。这些图像必须是连续的并且属于同一个目录。目录可以在每次迭代中随机选择，并且必须从中获取 3 个图像。 总之，对于每次训练迭代，算法必须select一个随机目录，取3张连续的图像并将它们分成patch来训练两个网络。
如何自定义在 fit() 中迭代数据集的方式来实现此目的？
为了社区的利益，Shubham Panchal 在评论部分提供的答案中提供解决方案。
您可以使用 TensorFlow 执行此操作。看到这个 tutorial on DCGAN。使用 TensorFlow API，您可以使用任何现有的 Keras 模型创建自定义训练循环。您可以使用上面的教程并使用您拥有的 WGAN 模型来实现自定义训练循环。