我如何在整个数据集上应用数据增强

Question

enter image description here

大家好，我是机器学习的新手，正在努力学习它。我尝试对我的数据集进行数据扩充。我从 keras 网站获得了这段代码，但这段代码一次只选择一张图像。我希望这段代码从数据集中一张一张地挑选图像并在其上应用增强技术。我对要改变什么感到困惑。如果有人帮助我，我将非常感激。

from keras.preprocessing.image import ImageDataGenerator, array_to_img, img_to_array, load_img

datagen = ImageDataGenerator(

        rotation_range=40,
        width_shift_range=0.2,
        height_shift_range=0.2,
        shear_range=0.2,
        zoom_range=0.2,
        horizontal_flip=True,
        fill_mode='nearest')

img = load_img('data/train/cats/cat.0.jpg')  # this is a PIL image

x = img_to_array(img)  # this is a Numpy array with shape (3, 150, 150)

x = x.reshape((1,) + x.shape)  # this is a Numpy array with shape (1, 3, 150, 150)

i = 0

for batch in datagen.flow(x, batch_size=1,
                          save_to_dir='preview', save_prefix='cat', save_format='jpeg'):

    i += 1

    if i > 20:

        break  # otherwise the generator would loop indefinitely

Answer 1

我假设您的 data/train/cats/ 文件夹中有数据集。现在，给定上面的代码，它会读取一张图片，对这张图片进行增强，并生成 20 张不同的图片。

现在，要扩展进程，您可以简单地使用os 或glob 模块从目录中获取文件列表。然后循环你的代码块。例如：

import glob

list_of_files = glob.glob('data/train/cats/*.jpg')
for file in list_of_files:
  img = load_img(file)  # this is a PIL image
  x = img_to_array(img)  # this is a Numpy array with shape (3, 150, 150)
  .
  .
  .

您可以更多地使用datagen.flow，而不是循环遍历整个代码块，也就是说，您可以传递整个数据集，而不是将单个图像作为x 传递。例如，如果n 是图像的总数，那么您的x 形状将类似于(n,3,150,150)（假设所有图像的大小相同）。

此外，您可以更改此 n 值。即不选择总数据集长度。在这种情况下，假设n 的值是20，在第一次迭代时，您将首先读取20 图像并像(20,3,150,150) 一样传递x。然后在第二次迭代中，您阅读下一个20，依此类推。

例如，

import glob
import numpy as np

x = []
list_of_files = glob.glob('data/train/cats/*.jpg')
for file in list_of_files:
  img = load_img(file)  # this is a PIL image
  x.append(img_to_array(img))
x = np.array(x) # feed this x to your datagen.flow

# print(x.shape)
# (n, 3, 150, 150)

# (Note: n is the length of list_of_files, i.e. total dataset length)