Talos 是一个模块,允许您对已经编写代码的 keras 模型进行超参数调整。在示例中使用它的传统方式是Scan
实例化的类x
and y
参数。这些参数应包含一个分别包含训练数据和标签的数组。
def modelbuilder(x_train, y_train, x_val, y_val, params):
# modelbuilding
out = model.fit(x_train, y_train)
return model, out
talos.Scan(x, y, params=params, model=modelbuilder)
然而 Keras 提供了第二种导入数据的方法ImageDataGenerator
类,而不是数组,您只需要一个包含训练/验证图像的目录。
train_datagen = ImageDataGenerator()
train_generator = train_datagen.flow_from_directory(
train_data_dir,
batch_size=batch_size
)
我不清楚我该怎么做Scan
这样,数据生成应包含一个超参数(批量大小),该参数应位于modelbuilder
功能。但同时Scan
要求以数组形式提供数据参数。关于如何将 Talos 与 ImageDataGenerator 结合起来的任何建议。
您现在可以在 Talos 实验中使用 fit_generator()。请参阅相应问题 https://github.com/autonomio/talos/issues/11了解更多信息。
没有与“如何”相关的具体说明,因为根据 Talos 理念,您可以按照与独立 Keras 模型一起使用的方式使用 fit_generator。只需更换model.fit(...)
with model.fit_generator(...)
并根据您的需要使用发电机。
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)