我可以在flow_from_directory()管道中为图像添加一个维度，还是需要编写自己的实现来做到这一点？我能否在数据摄入后使用它，或者它会在训练时将图像拉入内存？谢谢

回答：

生成器根据model.fit的需要拉取图像批次，因此它不会尝试将所有图像存储在内存中，以避免OOM（内存溢出）错误。生成器确实有一个预处理函数，我尝试使用它来扩展维度，但它会抛出错误，所以这种方法行不通。猜想你必须创建自己的生成器来实现你的愿望。我认为下面展示的方法会有效

train_dir=r'c:\temp\people\test' # 指向你的训练目录
# 将数据放入ImageDataGenerator并使用flow_from_directory，我的图像是128x128x3的彩色图像
train_gen=ImageDataGenerator(rescale=1.0/255).flow_from_directory( train_dir, target_size=(128, 128),
                                                                    batch_size=10, seed=123,
                                                                    class_mode='categorical', color_mode='rgb',shuffle=True)
def img_gen(input_gen,axis):
      images, labels=next(train_gen) # 获取下一批图像和标签
    images=np.expand_dims(images,axis=axis) # 扩展图像的维度
    yield (images, labels ) # 输出一个批次的元组给model.fit
# 显示图像的维度已被扩展
    images, labels=next(img_gen(train_gen, axis=4))
print (images.shape)

现在图像的形状将变为(10,128,128,3,1)，其中10是我使用的批次大小