使用tensorflow.keras来数据增强

  在卷积神经网络中，我们经常要对数据进行增强，从而扩充我们的数据量。个人比较喜欢用tensorflow.keras来实现，所有代码可在jupyter上实现。

from tensorflow.keras.preprocessing.image import ImageDataGenerator
from tensorflow.keras.preprocessing.image import img_to_array, load_img
import matplotlib.pyplot as plt
datagen = ImageDataGenerator(
        rotation_range = 40,      # 随机旋转角度
        width_shift_range = .2,  # 随机水平平移
        height_shift_range = .2, # 随机竖直平移
        rescale = 1./255,         # 数值归一化
        shear_range = .2,        # 随机裁剪
        zoom_range  =.2,         # 随机放大
        horizontal_flip = True,   # 水平翻转
        fill_mode='nearest')      # 填充方式
#导入图片
img = load_img('apple1.jpg')  
plt.imshow(img, 'gary')
plt.axis('off')
plt.show()      

#将图片转换为numpy格式
x = img_to_array(img)
x.shape

结果为(180, 189, 3)
此时的x为三维，而数据增强的输入要求为4为，我们可以通过以下方式升维，

#方法一
x = x.reshape(1,x.shape[0], x.shape[1],x.shape[2])
#方法二,要导入numpy
x = np.reshape(x,(1,x.shape[0], x.shape[1],x.shape[2]))
#方法三，要导入numpy
x = np.expand_dims(x, axis = 0)

结果为(1, 180, 189, 3)

i = 0
for batch in datagen.flow(x, batch_size = 1, save_to_dir = 'temp', save_prefix = 'apple', save_format= 'jpg'):
    i = i+1
    if i >9:
        break

datagen.flow中的x要求是4维的，这必须注意.batch_size = 1,表示每次循环值产生一张图片，若batch_size = 100,那么每次循环就产生100张图片。save_to_dir = ‘temp’,表示生成图片的存放位置，temp这个文件夹必须提前建好，否则会报错。save_format = ‘jpg’,表示图片的后缀。