keras预处理的问题

Question

嗨，我正在预处理一些图像数据以在简单的 FF 网络中运行：

我有两个选项在我看来是相同的，但一个比另一个表现好很多：

选项1

我将图像保存在具有相应子目录的目录中并运行：

xy_training = tf.keras.preprocessing.image_dataset_from_directory("/content/data/train", image_size=(48,48), color_mode='grayscale',label_mode="int")
xy_validation = tf.keras.preprocessing.image_dataset_from_directory("/content/data/valid", image_size=(48,48), color_mode='grayscale',label_mode="int")
xy_testing = tf.keras.preprocessing.image_dataset_from_directory("/content/data/test", image_size=(48,48), color_mode='grayscale',label_mode="int")

选项 2我有灰度图像的原始 arrays 并执行此操作

def preprocess(data):
    X = []
    pixels_list = data["pixels"].values
    
    for pixels in pixels_list:
        single_image = np.reshape(pixels.split(" "), (WIDTH,HEIGHT)).astype("float")
        X.append(single_image)
        
    # Convert list to 4D array:
    X = np.expand_dims(np.array(X), -1)
    
    # Normalize pixel values to be between 0 and 1
    X = X / 255.0
    return X

train_images= preprocess(train_data)
valid_images= preprocess(valid_data)
test_images= preprocess(test_data)

选项 2的性能比选项 1好得多。 tf.keras.preprocessing.image_dataset_from_directory(我没有设置？

谢谢！

Answer 1

这很可能是由于

tf.keras.preprocessing.image_dataset_from_directory 

没有内置标准化 function。 您拥有的另一个自定义 function 正在应用标准化，因此比较不是苹果对苹果的比较。

使用 image_dataset_from_directory 加载数据集后，您必须在稍后的步骤中进行标准化。 这是加载批处理数据集后进行规范化的示例代码：

def normalize(image,label):
    image = tf.cast(image/255. ,tf.float32)
    label = tf.cast(label ,tf.float32)

    return image,label

xy_training = xy_training.map(normalize)
xy_validation = xy_validation.map(normalize)
xy_testing = xy_testing.map(normalize)