4

Talos 是一个模块，可让您对已编写代码的 keras 模型进行超参数调整。它在示例中使用的常规方式是使用和参数Scan实例化的类。这些参数应该分别包含一个带有训练数据和标签的数组。xy

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 提供了第二种使用ImageDataGenerator类导入数据的方法，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
)

我不清楚我怎么能做到Scan这一点，数据生成应该包含一个超参数（批量大小），它应该在modelbuilder函数内部。但同时Scan需要将数据参数作为数组提供。关于如何将 Talos 与 ImageDataGenerator 结合使用的任何建议。

4

1 回答 1

0

您现在可以在 Talos 实验中使用 fit_generator()。有关详细信息，请参阅相应的问题。

没有关于“如何”的具体说明，因为根据 Talos 哲学，您可以完全按照在独立 Keras 模型中使用 fit_generator 的方式使用它。只需根据您的需要更换model.fit(...)并使用发电机。model.fit_generator(...)

于 2019-01-20T15:54:10.697 回答