• 🔗 運行環(huán)境：python3
• 🚩 作者：K同學啊
• 🥇 精選專欄：《深度學習100例》
• 🔥 推薦專欄：《新手入門深度學習》
• 📚 選自專欄：《Matplotlib教程》
• 🧿 優(yōu)秀專欄：《Python入門100題》

---

函數(shù)原型

tf.keras.preprocessing.image_dataset_from_directory(directory,labels="inferred",label_mode="int",class_names=None,color_mode="rgb",batch_size=32,image_size=(256, 256),shuffle=True,seed=None,validation_split=None,subset=None,interpolation="bilinear",follow_links=False, )

官網(wǎng)地址：https://tensorflow.google.cn/api_docs/python/tf/keras/preprocessing/image_dataset_from_directory

作用

將文件夾中的數(shù)據(jù)加載到tf.data.Dataset中，且加載的同時會打亂數(shù)據(jù)。

注： 如果你的目錄結(jié)構(gòu)是：

main_directory/
…class_a/
…a_image_1.jpg
…a_image_2.jpg
…class_b/
…b_image_1.jpg
…b_image_2.jpg

然后調(diào)用 image_dataset_from_directory(main_directory, labels=‘inferred’) 將返回一個tf.data.Dataset, 該數(shù)據(jù)集從子目錄class_a和class_b生成批次圖像，同時生成標簽0和1（0對應(yīng)class_a，1對應(yīng)class_b），

支持的圖像格式：jpeg, png, bmp, gif. 動圖被截斷到第一幀。

參數(shù)

• directory: 數(shù)據(jù)所在目錄。如果標簽是inferred（默認），則它應(yīng)該包含子目錄，每個目錄包含一個類的圖像。否則，將忽略目錄結(jié)構(gòu)。
• labels: inferred（標簽從目錄結(jié)構(gòu)生成），或者是整數(shù)標簽的列表/元組，其大小與目錄中找到的圖像文件的數(shù)量相同。標簽應(yīng)根據(jù)圖像文件路徑的字母順序排序（通過Python中的os.walk(directory)獲得）。
• label_mode:
  • int：標簽將被編碼成整數(shù)（使用的損失函數(shù)應(yīng)為：sparse_categorical_crossentropy loss）。
  • categorical：標簽將被編碼為分類向量（使用的損失函數(shù)應(yīng)為：categorical_crossentropy loss）。
  • binary：意味著標簽（只能有2個）被編碼為值為0或1的float32標量（例如：binary_crossentropy）。
  • None：（無標簽）。
• class_names: 僅當labels為inferred時有效。這是類名稱的明確列表（必須與子目錄的名稱匹配）。用于控制類的順序（否則使用字母數(shù)字順序）。
• color_mode: grayscale、rgb、rgba之一。默認值：rgb。圖像將被轉(zhuǎn)換為1、3或者4通道。
• batch_size: 數(shù)據(jù)批次的大小。默認值：32
• image_size: 從磁盤讀取數(shù)據(jù)后將其重新調(diào)整大小。默認：（256，256）。由于管道處理的圖像批次必須具有相同的大小，因此該參數(shù)必須提供。
• shuffle: 是否打亂數(shù)據(jù)。默認值：True。如果設(shè)置為False,則按字母數(shù)字順序?qū)?shù)據(jù)進行排序。
• seed: 用于shuffle和轉(zhuǎn)換的可選隨機種子。
• validation_split: 0和1之間的可選浮點數(shù)，可保留一部分數(shù)據(jù)用于驗證。
• subset: training或validation之一。僅在設(shè)置validation_split時使用。
• interpolation: 字符串,當調(diào)整圖像大小時使用的插值方法。默認為：bilinear。支持bilinear, nearest, bicubic, area, lanczos3, lanczos5, gaussian, mitchellcubic。
• follow_links: 是否訪問符號鏈接指向的子目錄。默認：False。

Returns

一個tf.data.Dataset對象。

• 如果label_mode為None，它將生成float32張量，其shape為（batch_size, image_size[0], image_size(1), num_channels）,并對圖像進行編碼。
• 否則，將生成一個元組（images, labels），其中圖像的shape為（batch_size, image_size[0], image_size(1), num_channels），并且labels遵循下面描述的格式。

關(guān)于labels格式規(guī)則：

• 如果label_mode 是 int, labels是形狀為（batch_size, ）的int32張量
• 如果label_mode 是 binary, labels是形狀為（batch_size, 1）的1和0的float32張量。
• 如果label_mode 是 categorial, labels是形狀為（batch_size, num_classes）的float32張量，表示類索引的one-hot編碼。

有關(guān)生成圖像中通道數(shù)量的規(guī)則：

• 如果color_mode 是 grayscale, 圖像張量有1個通道。
• 如果color_mode 是 rgb, 圖像張量有3個通道。
• 如果color_mode 是 rgba, 圖像張量有4個通道。

總結(jié)

以上是生活随笔為你收集整理的tf.keras.preprocessing.image_dataset_from_directory() 简介的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。