Keras：如何使用fit_generator与不同类型的多个输出

3 回答

• 0

  下面的例子可能是不言自明的！ '虚拟'模型需要1个输入（图像），它输出2个值 . 该模型计算每个输出的MSE .

  x = Convolution2D(8, 5, 5, subsample=(1, 1))(image_input)
  x = Activation('relu')(x)
  x = Flatten()(x)
  x = Dense(50, W_regularizer=l2(0.0001))(x)
  x = Activation('relu')(x)
  
  output1 = Dense(1, activation='linear', name='output1')(x)
  output2 = Dense(1, activation='linear', name='output2')(x)
  
  model = Model(input=image_input, output=[output1, output2])
  model.compile(optimizer='adam', loss={'output1': 'mean_squared_error', 'output2': 'mean_squared_error'})
  

  下面的功能生成批次以在训练期间为模型提供信息 . 它需要训练数据 x 和标签 y ，其中y = [y1，y2]

  batch_generator(x, y, batch_size):
          ....transform images
          ....generate batch batch of size: batch_size 
          yield(X_batch, {'output1': y1, 'output2': y2} ))
  

  最后，我们调用fit_generator（）

  model.fit_generator(batch_generator(X_train, y_train, batch_size))
  

  回复于 2024-05-06T01:19:30+08:00
• 5

  如果你已经分离了掩码和二进制值，你可以尝试这样的事情：

  generator = ImageDataGenerator(rotation_range=5.,
                                  width_shift_range=0.1, 
                                  height_shift_range=0.1, 
                                  horizontal_flip=True,  
                                  vertical_flip=True)
  
  def generate_data_generator(generator, X, Y1, Y2):
      genX = generator.flow(X, seed=7)
      genY1 = generator.flow(Y1, seed=7)
      while True:
              Xi = genX.next()
              Yi1 = genY1.next()
              Yi2 = function(Y2)
              yield Xi, [Yi1, Yi2]
  

  因此，对输入和掩码 with the same seed 使用相同的生成器来定义相同的操作 . 您可以根据需要更改二进制值（Y2） . 然后，调用fit_generator（）：

  model.fit_generator(generate_data_generator(generator, X, Y1, Y2),
                  epochs=epochs)
  

  回复于 2024-05-06T01:19:30+08:00
• 15

  实现这一目标的最佳方法似乎是创建一个新的生成器类，扩展Keras提供的类，解析数据，仅增加图像并产生所有输出 .

  回复于 2024-05-06T01:19:30+08:00