tensorflow - 使用 Keras API，我如何分批导入给定批次中每个 ID 恰好有 K 个实例的图像？

Question

我正在尝试实现批量硬三元组损失，如https://arxiv.org/pdf/2004.06271.pdf的第 3.2 节所示。

我需要导入我的图像，以便每个批次在特定批次中都有每个 ID 的 K 个实例。因此，每个批次必须是 K 的倍数。

我的图像目录太大而无法放入内存，因此我正在使用ImageDataGenerator.flow_from_directory()它来导入图像，但我看不到此函数的任何参数以允许我需要的功能。

如何使用 Keras 实现这种批处理行为？

Answer 1

从 Tensorflow 2.4 开始，我看不到使用ImageDataGenerator.

所以我认为你需要根据tensorflow.keras.utils.Sequence类编写自己的，所以你可以自己定义批处理内容。

参考资料：
https ://www.tensorflow.org/api_docs/python/tf/keras/utils/Sequence
https://stanford.edu/~shervine/blog/keras-how-to-generate-data-on-the-飞

Answer 2

您可以尝试以受控方式将多个数据流合并在一起。

假设您有 K 个tf.data.Dataset负责提供特定 ID 的训练实例的实例（不管您如何实例化它们），您可以将它们连接起来以在小批量中均匀分布：

ds1 = ...  # Training instances with ID == 1
ds2 = ...  # Training instances with ID == 2
...
dsK = ... # Training instances with ID == K



train_dataset = tf.data.Dataset.zip((ds1, ds2, ..., dsK)).flat_map(concat_datasets).batch(batch_size=N * K)

其中concat_datasets是合并函数：

def concat_datasets(*datasets):
    ds = tf.data.Dataset.from_tensors(datasets[0])
    for i in range(1, len(datasets)):
        ds = ds.concatenate(tf.data.Dataset.from_tensors(datasets[i]))
    return ds