在机器学习中混洗如何与 ImageDataGenerator 一起工作？

Question

我正在使用Inception V3创建图像分类模型，并且有两个类。我将数据集和标签分为两个numpy数组，数据分别以trainX和testY作为图像，trainY和testY作为对应的标签。data = np.array(data, dtype="float")/255.0labels = np.array(labels,dtype ="uint8")(trainX, testX, trainY, testY) = train_test_split(                                data,labels,                                 test_size=0.2,                                 random_state=42) train_datagen = keras.preprocessing.image.ImageDataGenerator(          zoom_range = 0.1,          width_shift_range = 0.2,           height_shift_range = 0.2,          horizontal_flip = True,          fill_mode ='nearest') val_datagen = keras.preprocessing.image.ImageDataGenerator()train_generator = train_datagen.flow(        trainX,         trainY,        batch_size=batch_size,        shuffle=True)validation_generator = val_datagen.flow(                testX,                testY,                batch_size=batch_size) 当我使用 ImageDataGenerator shuffle train_generator 时，图像是否仍然匹配相应的标签？验证数据集也应该改组吗？

Answer 1

是的，图像仍会匹配相应的标签，因此您可以安全地设置shuffle为True。在引擎盖下，其工作方式如下。调用.flow()的ImageDataGenerator将返回一个NumpyArrayIterator对象，它实现了洗牌的指标以下逻辑：

def _set_index_array(self):

    self.index_array = np.arange(self.n)

    if self.shuffle: # if shuffle==True, shuffle the indices

        self.index_array = np.random.permutation(self.n) 

self.index_array然后用于生成图像（x）和标签（y）（为了可读性而截断了代码）：

def _get_batches_of_transformed_samples(self, index_array):

    batch_x = np.zeros(tuple([len(index_array)] + list(self.x.shape)[1:]),

                       dtype=self.dtype)

    # use index_array to get the x's

    for i, j in enumerate(index_array):

        x = self.x[j]

        ... # data augmentation is done here

        batch_x[i] = x

     ...

     # use the same index_array to fetch the labels

     output += (self.y[index_array],)

    return output

自己检查源代码，它可能比您想象的要容易理解。

改组验证数据应该没什么大不了的。改组的主要目的是在训练过程中引入一些额外的随机性。