我正在使用卷积神经网络进行图像像素分类问题。我的训练images大小为128x128x3，标签mask的大小为128x128。

我在Keras中进行训练的方式如下：

Xtrain, Xvalid, ytrain, yvalid = train_test_split(images, masks,test_size=0.3, random_state=567)model.fit(Xtrain, ytrain, batch_size=32, epochs=20, verbose=1, shuffle=True, validation_data=(Xvalid, yvalid))

然而，我希望对Xtrain和ytrain应用随机二维旋转，它们的大小分别为128x128x3和128x128。更具体地说，我希望在每次epoch迭代时应用这种旋转。

目前，我希望继续使用model.fit，而不使用model.fit_generator，因为我知道数据增强通常是通过.fit_generator完成的。

所以，本质上，我希望循环model.fit，这样Xtrain和ytrain在每个epoch都会随机旋转。我是Python和Keras的新手，所以如果这有可能实现，任何见解都是欢迎的。

回答：

这是一个使用ImageDataGenerator将输出保存到指定目录的示例，从而绕过使用model.fit_generator的要求。

from keras.preprocessing.image import ImageDataGenerator, array_to_img, img_to_array, load_imgdatagen = ImageDataGenerator(        rotation_range=40,        width_shift_range=0.2,        height_shift_range=0.2,        shear_range=0.2,        zoom_range=0.2,        horizontal_flip=True,        fill_mode='nearest')img = load_img('data/train/cats/cat.0.jpg')  # 这是一个PIL图像x = img_to_array(img)  # 这是一个形状为(3, 150, 150)的Numpy数组x = x.reshape((1,) + x.shape)  # 这是一个形状为(1, 3, 150, 150)的Numpy数组# 下面的.flow()命令生成一批随机变换的图像# 并将结果保存到`preview/`目录i = 0for batch in datagen.flow(x, batch_size=1,                          save_to_dir='preview', save_prefix='cat', save_format='jpeg'):    i += 1    if i > 20:        break  # 否则生成器将无限循环

摘自这里：https://blog.keras.io/building-powerful-image-classification-models-using-very-little-data.html

您可以更改参数以适应您的用例，然后生成您的X_train和X_valid或任何数据集，然后加载到内存中并使用普通的model.fit。