KERAS从每个类别中选择相同的分数进行验证（例如，验证分数= 0.2）

Question

我已经阅读了很多论坛，没有明确的答案。他们说，在许多地方，它会从数据中为我们的示例选择最后20％。在两个文件夹Cats and Dogs中说我们的数据...因此，如果只从Dogs文件夹中选择最后20％的数据，而从cats文件夹中选择一个数据，那会错吗？ 。 keras真的可以在此代码中犯这样的错误吗？您能否确保由keras选择进行验证的数据具有来自每个类的相同比例的图像。

datagen = ImageDataGenerator(rescale=1./255, validation_split=0.2)
print("Preparing training dataset...")
train_generator = datagen.flow_from_directory(
    training_folder_name,
    target_size=pretrained_size,
    batch_size=batch_size,
    class_mode='categorical',
    subset='training') # set as training data

print("Preparing validation dataset...")
validation_generator = datagen.flow_from_directory(
    training_folder_name,
    target_size=pretrained_size,
    batch_size=batch_size,
    class_mode='categorical',
    subset='validation') # set as validation data

输出：正在准备训练数据集...找到3357个属于3类的图像正在准备验证数据集...找到属于3类的838张图像。

[这838个图像在每个类别中都有相等的分数？

Answer 1

如果对猫和狗进行分类，验证集是否必须包括猫和狗？是。验证集实际包括的内容取决于您实施程序的方式，这不是Keras的责任。