![](/img/trans.png)
[英]How Does Tensorflow.keras's ImageDataGenerator.flow_from_directory scale image values?
[英]How to get list of values in ImageDataGenerator.flow_from_directory Keras?
我们可以使用 ImageDataGenerator 和 flow_from_directory 方法生成图像数据集。 对于类的调用列表,我们可以使用 object.classes。 但是,如何调用值列表? 我已经搜索过,但仍然没有找到。
谢谢:)
ImageDataGenerator 是一个 python 生成器,它每次都会生成一批形状与模型输入相同的数据(如(batch_size,width,height,channels)
)。 生成器的好处是当你的数据集太大时,你不能把所有的数据都放在你有限的内存中,但是,有了生成器,你可以每次生成一批数据。 并且 ImageDataGenerator 与model.fit_generator(), model.predict_generator()
。
如果要获取数字数据,可以使用生成器的next()
函数:
import numpy as np
data_gen = ImageDataGenerator(rescale = 1. / 255)
data_generator = datagen.flow_from_directory(
data_dir,
target_size=(img_height, img_width),
batch_size=batch_size,
class_mode='categorical')
data_list = []
batch_index = 0
while batch_index <= data_generator.batch_index:
data = data_generator.next()
data_list.append(data[0])
batch_index = batch_index + 1
# now, data_array is the numeric data of whole images
data_array = np.asarray(data_list)
或者,您可以使用PIL
和numpy
处理图像:
from PIL import Image
import numpy as np
def image_to_array(file_path):
img = Image.open(file_path)
img = img.resize((img_width,img_height))
data = np.asarray(img,dtype='float32')
return data
# now data is a tensor with shape(width,height,channels) of a single image.
然后,您可以使用此函数循环所有图像以获取数字数据。
注意,我建议您使用生成器而不是直接获取所有数据,否则可能会耗尽内存。
“但是,如何调用值列表” - 如果我理解正确,我猜您想知道数据集中的所有文件 - 如果正确,(或者如果不正确),您可以通过多种方式获取值从你的发电机:
Object.filenames 返回目标文件夹中所有文件的列表。 我只是使用 len(object.filename) 函数来获取我的测试文件夹中的文件总数。 然后将该数字传回我的生成器并再次运行它。
获取测试文件夹中所有项目数量的其他方法是 generator.n
我只使用它,因为我的测试数据集非常小(60 张图像),并且我使用提取的特征来训练和预测我的模型(即特征数组而不是图像数组)。 如果您正在构建一个普通模型,使用生成器生成批次是更好的方法。
def generate_test_data_from_directory(folder_path, image_target_size = 224, batch_size = 5, channels = 3, class_mode = 'sparse' ): '''fetch all out test data from directory''' test_datagen = ImageDataGenerator(rescale=1./255) test_generator = test_datagen.flow_from_directory( folder_path , target_size = (image_target_size, image_target_size), batch_size = batch_size, class_mode = class_mode) total_images = test_generator.n steps = total_images//batch_size #iterations to cover all data, so if batch is 5, it will take total_images/5 iteration x , y = [] , [] for i in range(steps): a , b = test_generator.next() x.extend(a) y.extend(b) return np.array(x), np.array(y)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.