keras的ImageDataGenerator和flow()的用法

ImageDataGenerator的参数自己看文档

from keras.preprocessing import image
import numpy as np


X_train=np.ones((3,123,123,1))
Y_train=np.array([[1],[2],[2]])
generator=image.ImageDataGenerator(featurewise_center=False,
    samplewise_center=False,
    featurewise_std_normalization=False,
    samplewise_std_normalization=False,
    zca_whitening=False,
    zca_epsilon=1e-6,
    rotation_range=180,
    width_shift_range=0.2,
    height_shift_range=0.2,
    shear_range=0,
    zoom_range=0.001,
    channel_shift_range=0,
    fill_mode='nearest',
    cval=0.,
    horizontal_flip=True,
    vertical_flip=True,
    rescale=None,
    preprocessing_function=None,
    data_format='channels_last')






a=generator.flow(X_train,Y_train,batch_size=20)#生成的是一个迭代器，可直接用于for循环
'''

batch_size如果小于X的第一维m，next生成的多维矩阵的第一维是为batch_size，输出是从输入中随机选取batch_size个数据
batch_size如果大于X的第一维m，next生成的多维矩阵的第一维是m，输出是m个数据，不过顺序随机
，输出的X，Y是一一对对应的
如果要直接用于tf.placeholder()，要求生成的矩阵和要与tf.placeholder相匹配


'''
X,Y=next(a)


print(Y)
X,Y=next(a)


print(Y)
X,Y=next(a)


print(Y)
X,Y=next(a)

输出

[[2]
 [1]
 [2]]



[[2]
 [2]
 [1]]


[[2]
 [2]
 [1]]


[[2]
 [2]
 [1]]