Chcę zrealizować swój własny generator danych dla modelu keras z kilkoma wejściami, którą zbudowałem, wykorzystując funkcjonalne api od keras.
Czytałem dużo o klasie sequence i o tym, jak mogę rozszerzyć jego funkcjonalność na wiele różnych sposobów.
Mój zestaw danych, który mocno разбалансировал, zawiera 3 klasy.
Co chcę zrobić, to utworzyć własny generator danych, który wykorzystuje flowfromdataframe. Ta ramka danych zawiera ścieżki do obrazów. Ograniczając ilość ścieżek do obrazków z katalogu nadmiernie przedstawionych klas, mogę z powodzeniem wykonać niedostateczną kompilacji i tym samym zrównoważyć zestaw danych.
Struktura ramki danych:
Jednak pozostałe obrazy, które zostawiam, nadal zawierają bogate w informacje, które chcę, aby mój model studiował.
Czy można użyć coś takiego wywołania zwrotnego "onepochend", który wywołuje funkcję w moim imagedatagenerator, który zastępuje stare drodze w ramce danych i zastępuje je losowo wybranymi nowymi sposobami?
Oddzwanianie keras docs: https://www.tensorflow.org/api_docs/python/tf/keras/callbacks/Callback
Dokumenty klasy alternatora: https://www.tensorflow.org/api_docs/python/tf/keras/utils/Sequence
Naszkicował swój pomysł:
Lub u tensorflow/keras jest coś, co pozwala to osiągnąć?