python-3.x - 将 ImageDataGenerator.fit 用于“featurewise_std_standardization”、“zca_whitening”等参数

Question

我想将 ImageDataGenerator.fit 用于图像目录上的“featurewise_std_standardization”、“zca_whitening”等参数。

我在网上找到了一些将图像转换为 NumPy 数组的解决方案，但是，我想找到一种更简单的方法，以便我可以使用 flow_from_directory 以及新的数据标签等。代码看起来像这样。

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')

标签： python-3.xkerasdeep-learningdata-science

Answer 1

找到了使用 cv2 的解决方法，

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

这为我创建了一个 numpy 数组，然后我可以将其放入 datagen

datagen.fit(img)