我正在使用本文中演示的概念。他们的训练数据由“好”图像和“坏”图像组成。他们使用“BAD”图像（X）训练 AE，使其产生“GOOD”图像。在这种情况下，“坏”图像可能与“好”图像非常相似，但有小凹痕或划痕。

我已经成功使用ImageDataGenerator了mnist数字数据，但在这种情况下，它是通过使用X -> X或不使用ImageDataGenerator模型拟合代码来训练的model.fit(x_train, x_train)。

然而，在这个 AE 问题中，我们想使用X_good_and_defect -> X_goodor 来训练model.fit(x_good_and_defect_train, x_good_train)。不知道如何使用ImageDataGenerator.

我正在使用 keras 的图像数据生成器来加载图像。

train_dir = r'chunks/training'
train_datagen = ImageDataGenerator(rescale=1 / 255)
train_generator = train_datagen.flow_from_directory(train_dir, target_size=(256,256), 
                   color_mode='grayscale', class_mode='input', batch_size=256)
...
autoencoder.fit(train_generator,
                epochs=5,
                batch_size=128,
                shuffle=True,
                validation_data=(test_generator, train_generator),
                callbacks=[])