版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/qq_31119155/article/details/90081792
语法
keras.preprocessing.image.ImageDataGenerator(
featurewise_center=False, # bool ; 输入数据的均值设置为0, 逐特征进行.
samplewise_center=False, # bool ; 每个样本的数值设置为0
featurewise_std_normalization=False, # bool ; 输入数据 除以 标准差,逐特征进行.
samplewise_std_normalization=False, # bool ; 每个样本 除以标注差.
zca_whitening=False, # bool ; 是否应用ZCA白化
zca_epsilon=1e-6, # float ;ZCA白化值
rotation_range=0, # int ;随机旋转的度数
width_shift_range=0., # 取值 (float,1_D array,int)
float; if val<1, 则是 shift_value/pic_width; if val>=1 则是移动的像素;
1_D array:数组中的随机数
int:来自间隔(-width_shift_range,+width_shift_range)之间的整数个像素
height_shift_range=0., # 取值 (float,1_D array,int)
float; if val<1, 则是 shift_value/pic_height; if val>=1 则是移动的像素;
1_D array:数组中的随机数
int:来自间隔(-height_shift_range,+height_shift_range)之间的整数个像素
brightness_range=None, # 取值 Tuple or list of two floats
亮度变化值
shear_range=0., # float 剪切强度(以弧度逆时针方向剪切角度)
zoom_range=0., # 取值 {float,[lower,upper]} 随机缩放范围
channel_shift_range=0., # float , 随机通道转换范围
fill_mode='nearest', # 取值 {"constant", "nearest", "reflect" or "wrap"},根据给定的模式填充:
'constant': kkkkkkkk|abcd|kkkkkkkk (cval=k) { default }
'nearest': aaaaaaaa|abcd|dddddddd
'reflect': abcddcba|abcd|dcbaabcd
'wrap': abcdabcd|abcd|abcdabcd
cval=0., # 取值 {float, int} 当 fill_mode='constant' 用于边界之外的点的值
horizontal_flip=False, # bool 随机水平旋转
vertical_flip=False, # bool 随机垂直旋转
rescale=None, # int 随机缩放因子 default=0
preprocessing_function=None, # 应用于每个输入的函数。这个函数会在任何其他改变之前运行。
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, # 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 在 Keras 配置文件 ~/.keras/keras.json 中的 image_data_format 值。如果你从未设置它,那它就是 "channels_last"。
validation_split=0.0) # Float. 保留用于验证的图像的比例(严格在0和1之间)。