将 keras ImageDataGenerator.flow_from_directory() 与 Talos Scan() 结合使用

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。