在Keras中应用数据增强技术可以通过使用ImageDataGenerator
类来实现。下面是一个简单的示例代码:
from keras.preprocessing.image import ImageDataGenerator
# 创建一个数据增强的生成器
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'
)
# 加载数据集
# 这里假设X_train和y_train是训练集的特征和标签数据
datagen.fit(X_train)
# 使用生成器来训练模型
model.fit_generator(datagen.flow(X_train, y_train, batch_size=32),
steps_per_epoch=len(X_train) / 32, epochs=50)
在上面的代码中,ImageDataGenerator
类用于定义数据增强的方式,比如旋转、平移、剪切、缩放、水平翻转等。然后通过fit_generator
方法来使用生成器来逐批次的训练模型。
通过使用数据增强技术,可以有效地扩增训练数据集,提高模型的泛化能力,减少过拟合。
辰迅云「云服务器」,即开即用、新一代英特尔至强铂金CPU、三副本存储NVMe SSD云盘,价格低至29元/月。点击查看>>
推荐阅读: Keras中的Embedding层是用来做什么的