Ich versuche ein Siamesisches Netzwerk in Keras zu implementieren und ich möchte Bildtransformationen auf die 2 Eingangsbilder mit Keras Image Data Generators anwenden. Gemäß dem Beispiel in der Docs- https://keras.io/preprocessing/image/, habe ich versucht, es wie this-Wie kombiniere ich zwei Keras Generator Funktionen
datagen_args = dict(rotation_range=10,
width_shift_range=0.1,
height_shift_range=0.1,
horizontal_flip=True)
in_gen1 = ImageDataGenerator(**datagen_args)
in_gen2 = ImageDataGenerator(**datagen_args)
train_generator = zip(in_gen1, in_gen2)
model.fit(train_generator.flow([pair_df[:, 0,::],pair_df[:, 1,::]],
y_train,batch_size=16), epochs, verbose = 1)
Aber dieser Code diesen Fehler führt zu implementieren:
Typeerror: zip Argument # 1 muss unterstützen Iteration
Ich habe versucht, itertools.izip
wie in Keras - Generator for large dataset of Images and Masks vorgeschlagen, aber das wirft den gleichen Fehler.
Wie kann ich das beheben?
EDIT: Falls jemand interessiert ist, arbeitete diese finally-
datagen_args = dict(
featurewise_center=False,
rotation_range=10,
width_shift_range=0.1,
height_shift_range=0.1,
horizontal_flip=True)
in_gen1 = ImageDataGenerator(**datagen_args)
in_gen2 = ImageDataGenerator(**datagen_args)
in_gen1 = in_gen1.flow(pair_df[:, 0,::], y_train, batch_size = 16, shuffle = False)
in_gen2 = in_gen2.flow(pair_df[:, 1,::], y_train, batch_size = 16, shuffle = False)
for e in range(epochs):
batches = 0
for x1, x2 in itertools.izip(in_gen1,in_gen2):
# x1, x2 are tuples returned by the generator, check whether targets match
assert sum(x1[1] != x2[1]) == 0
model.fit([x1[0], x2[0]], x1[1], verbose = 1)
batches +=1
if(batches >= len(pair_df)/16):
break
Dank! Das hat funktioniert. – azure31