在机器学习中混洗如何与 ImageDataGenerator 一起工作？

Question

我正在使用 Inception V3 创建一个图像分类模型，并且有两个类。我已将我的数据集和标签拆分为两个 numpy 数组。将数据拆分为 trainX 和 testY 作为图像，trainY 和 testY 作为相应的标签。

data = np.array(data, dtype="float")/255.0
labels = 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？验证数据集也应该打乱吗？

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，它的工作原理如下。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) （代码被截断以提高可读性）：

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

自己查看源代码，它可能比您想象的更容易理解。

改组验证数据应该没有太大关系。shuffle 的要点是在训练过程中引入一些额外的随机性。