是否可以使用fit_generator来实现这个功能？

我正在创建一个U-net网络，我希望输入一张高500像素，宽500像素，包含5个通道的图片，输出则为高500像素，宽500像素，1个通道的图片。

如果不可行，我可以自己创建500x500x5的numpy数组，然后我需要一个生成器从硬盘加载这些numpy对象。

我现在的代码（仅适用于RGB图片）

train_generator=datagen.flow_from_directory('/content/data/',                                                  target_size=(500,500),                                                  color_mode='rgb',                                                  batch_size=32,                                                  class_mode='categorical', shuffle=False)

回答：

你应该创建自己的生成器。关键是要有一个while True:结构，并使用yield来输出你的数据。代码看起来像这样

batch_size=16step_ep=data_size//batch_sizedef generator():  while True:    for i in range(step_ep):       处理你的图像       X=images       Y=labels       yield X,Y

其中X的形状为(batch_size,height,width,channel)，Y的形状为(batch_size,height,width,output_channel)

你应该使用model.fit()而不是model.fit_generator，因为后者很快会被弃用。

你也可以为你的验证数据创建一个生成器。

你的model.fit()看起来像这样：

model.fit(generator(),epochs,steps_per_epoch=step_ep,           validation_data=val_generator,validation_steps=val_steps)