tf.keras.preprocessing.image.ImageDataGenerator的参数介绍

ImageDataGenerator的作用
1.图片生成器,负责批次生成图片训练数据;
2.图片增强
tensorflow官网给出ImageDataGenerator的参数定义:

tf.keras.preprocessing.image.ImageDataGenerator(
    featurewise_center=False, # featurewise_center: 布尔值。将输入数据的均值设置为 0,逐特征进行。
    samplewise_center=False, # samplewise_center: 布尔值。将每个样本的均值设置为 0。
    featurewise_std_normalization=False, # featurewise_std_normalization: Boolean. 布尔值。将输入除以数据标准差,逐特征进行。
    samplewise_std_normalization=False, # samplewise_std_normalization: 布尔值。将每个输入除以其标准差。
    zca_whitening=False, # zca_epsilon: ZCA 白化的 epsilon 值,默认为 1e-6。
    zca_epsilon=1e-06, # zca_whitening: 布尔值。是否应用 ZCA 白化。
    rotation_range=0, # rotation_range: 整数。随机旋转的度数范围。
    width_shift_range=0.0, 
    # width_shift_range: 浮点数、一维数组或整数
             #float: 如果 <1,则是除以总宽度的值,或者如果 >=1,则为像素值。
             # 1-D 数组: 数组中的随机元素。
             # int: 来自间隔 (-width_shift_range, +width_shift_range) 之间的整数个像素。
             # width_shift_range=2 时,可能值是整数 [-1, 0, +1],与 width_shift_range=[-1, 0, +1] 相同;而 width_shift_range=1.0 时,可能值是 [-1.0, +1.0) 之间的浮点数。
    height_shift_range=0.0, 
    # height_shift_range: 浮点数、一维数组或整数
             # float: 如果 <1,则是除以总宽度的值,或者如果 >=1,则为像素值。
             #1-D array-like: 数组中的随机元素。
			 # int: 来自间隔 (-height_shift_range, +height_shift_range) 之间的整数个像素。
			 # height_shift_range=2 时,可能值是整数 [-1, 0, +1],与 height_shift_range=[-1, 0, +1] 相同;而 height_shift_range=1.0 时,可能值是 [-1.0, +1.0) 之间的浮点数。
    brightness_range=None,  # brightness_range 元组或两个浮点数的列表。选择亮度偏移值的范围。
    shear_range=0.0, # shear_range: 浮点数。剪切强度(以弧度逆时针方向剪切角度)。
    zoom_range=0.0, # zoom_range: 浮点数 或 [lower, upper]。随机缩放范围。如果是浮点数,[lower, upper] = [1-zoom_range, 1+zoom_range]。
    channel_shift_range=0.0,  # channel_shift_range: 浮点数。随机通道转换的范围。
    fill_mode='nearest', 
    # fill_mode: {"constant", "nearest", "reflect" or "wrap"} 之一。默认为 'nearest'。输入边界以外的点根据给定的模式填充:
		# 'constant': kkkkkkkk|abcd|kkkkkkkk (cval=k)
		#'nearest': aaaaaaaa|abcd|dddddddd
		#'reflect': abcddcba|abcd|dcbaabcd
		#'wrap': abcdabcd|abcd|abcdabcd
    cval=0.0, # cval: 浮点数或整数。用于边界之外的点的值,当 fill_mode = "constant" 时。
    horizontal_flip=False,  # horizontal_flip: 布尔值。随机水平翻转。
    vertical_flip=False,  # vertical_flip: 布尔值。随机垂直翻转。
    rescale=None,  # rescale: 重缩放因子。默认为 None。如果是 None 或 0,不进行缩放,否则将数据乘以所提供的值(在应用任何其他转换之前)。
    preprocessing_function=None, # 前运行。这个函数需要一个参数:一张图像(秩为 3 的 Numpy 张量),并且应该输出一个同尺寸的 Numpy 张量。
    data_format=None, 
    # data_format: 图像数据格式,{"channels_first", "channels_last"} 之一。
    # "channels_last" 模式表示图像输入尺寸应该为 (samples, height, width, channels),
    # "channels_first" 模式表示输入尺寸应该为 (samples, channels, height, width)。
    # 默认为 "channels_last"。
    validation_split=0.0,  # validation_split: 浮点数。Float. 保留用于验证的图像的比例(严格在0和1之间)。
    dtype=None # dtype: 生成数组使用的数据类型。
)

参考:

https://tensorflow.google.cn/api_docs/python/tf/keras/preprocessing/image/ImageDataGenerator
https://keras.io/zh/preprocessing/image/
https://www.cnblogs.com/Dean0731/p/12341141.html
  • 2
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值