python - 如何导入自己的数据集来训练 GAN

Question

在 GAN 的应用中，我们看到很多人使用 MNIST 和 Cifar10 数据集，因为这些数据集分为训练数据和测试数据。

虽然我们的大多数情况是我们可能需要使用我们的数据。就像我的数据集的训练路径是：'/content/drive/MyDrive/Colab Notebooks/original data/positive' 那么我该如何导入它们，我应该将我的数据拆分为训练集还是测试集？我所有的数据集都是笑脸，我想通过 GAN 生成更多的笑脸。

有什么想法或github项目可以分享吗？

标签： pythongenerative-adversarial-network

Answer 1

需要注意的一点是，GAN 不是 CNN 或 RNN，它没有任何分类任务（我指的是普通 GAN）。它包含一个鉴别器和一个生成器，这意味着D将使用从G合成的图像，并将其与训练集中的原始图像一起作为输入。通过这种方式，G被训练来合成更真实的图像。

因此，您不需要将数据集分成训练/测试集——在这种情况下不适用于 GAN。

要导入您自己的数据而不是使用库中已有的数据，flow_from_directory()如果您使用的是 keras/tensorflow，我建议您使用。

你可以参考这里的文档。

编辑：或直接load_img(directory)用于单个图像。文档与上述相同。