将keras ImageDataGenerator.flow_from_directory()与Talos Scan()一起使用

Question

Talos是一个模块，它允许你对已经编写代码的keras模型进行超参数调优。在示例中使用它的传统方法是使用Scan类，该类由x和y参数实例化。这些参数应该包含一个数组，分别带有训练数据和标签。

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提供了另一种使用ImageDataGenerator类导入数据的方法，您只需要一个包含训练/验证图像的目录，而不是一个数组。

train_datagen = ImageDataGenerator()
train_generator = train_datagen.flow_from_directory(
    train_data_dir,
    batch_size=batch_size
)

我不清楚如何Scan这个，数据生成应该包含一个超参数(批处理大小)，它应该在modelbuilder函数中。但同时，Scan要求以数组的形式提供数据参数。我该如何将Talos与ImageDataGenerator结合起来呢？

Answer 1

您现在可以在Talos实验中使用fit_generator()。有关详细信息，请参阅corresponding issue。

没有关于“如何”的具体说明，因为根据Talos的哲学，您可以使用fit_generator的完全方式，您将使用它与独立的Keras模型。只需用model.fit_generator(...)替换model.fit(...)，并根据需要使用生成器即可。