假设我有类似下面的代码:
image_data_generator = ImageDataGenerator(rescale=1./255)train_generator = image_data_generator.flow_from_directory( 'my_directory', target_size=(28, 28), batch_size=32, class_mode='categorical')那么我的train_generator将被my_directory中的数据填充，该目录包含两个子文件夹，将数据分为0和1两个类别。
假设我还有另一个目录that_directory，也包含0和1两个类别的数据。我希望用这些额外的数据增强我的train_generator。
运行train_generator = image_data_generator.flow_from_directory('that_directory', ...)会移除my_directory中的先前数据。
有没有办法在不改变文件夹结构本身的情况下，将两组数据增强或追加到一个生成器或类似DirectoryIterator的对象中？
回答：
只需在另一个生成器中组合这些生成器，可选择使用不同的增强配置:
idg1 = ImageDataGenerator(**idg1_configs)idg2 = ImageDataGenerator(**idg2_configs)g1 = idg1.flow_from_directory('idg1_dir',...)g2 = idg2.flow_from_directory('idg2_dir',...)def combine_gen(*gens): while True: for g in gens: yield next(g)# ...model.fit_generator(combine_gen(g1, g2), steps_per_epoch=len(g1)+len(g2), ...)这将交替从g1和g2生成批次数据。
请注意，有人可能会建议使用itertools.chain，但在这里不能使用，因为ImageDataGenerators生成器是永无止境的，不断生成数据批次。这对于传递给fit_generator方法的生成器是预期的。从Keras文档中:
…生成器预期会无限循环其数据。当模型看到
steps_per_epoch批次时，一个epoch就结束了。
如果没有设置steps_per_epoch，它将默认设置为len(generator)，其中generator是你传递给fit_generator方法的生成器。ImageDataGenerator生成器可以提供它们的长度，因此你不需要手动设置steps_per_epoch参数。如果你想对上面的组合生成器使用相同的方法，可以使用以下解决方案:
class CombinedGen(): def __init__(self, *gens): self.gens = gens def generate(self): while True: for g in self.gens: yield next(g) def __len__(self): return sum([len(g) for g in self.gens])# 使用:cg = CombinedGen(g1, g2)model.fit_generator(cg.generate(), ...) # 不需要设置`steps_per_epoch`你还可以向CombinedGen类添加__next__和/或__iter__方法，如果你有兴趣直接迭代这个类的对象（而不是迭代cg.generate()）。
