问题描述
我正在研究机器学习和深度学习。我正在尝试从Keras网站https://keras.io/examples/generative/wgan_gp/
定制此模型我的模型在每次训练迭代中（从10个不同的目录中）获取3 512x512图像，然后将其划分为用于训练生成器和鉴别器的补丁。这些图像必须是连续的，并且属于同一目录。可以在每次迭代中随机选择目录，并且必须从中获取3张图像。 综上所述，对于每次训练迭代，该算法必须选择一个随机目录，拍摄3张连续图像并将其分成补丁以训练两个网络。
如何定制在fit（）中对数据集进行迭代的方式来实现此目的？
解决方法
此处提供了Shubham Panchal在评论部分提供的答案，以使社区受益。
您可以使用TensorFlow进行此操作。参见此tutorial on DCGAN。使用TensorFlow API，您可以使用任何现有的Keras模型来创建自定义训练循环。您可以通过上面的教程并使用WGAN模型来实现自定义训练循环。