直接从文件夹中读取数据以在 keras 中进行训练

Question

我在 keras 中使用 resnet 进行超分辨率，我已将我的数据拆分为训练和测试（70-30），并从测试数据中提取 20% 用于验证。我正在尝试使用 datagen.flow_from_directory 读取数据，但它显示0 个图像0 课。主要问题是我没有课。 我只有高分辨率图像和低分辨率图像。 高分辨率图像进入 output，低分辨率图像进入输入。 我如何加载数据而不将它们分成类

from keras.preprocessing.image import ImageDataGenerator
import os

train_dir =  r'G:\\images\\train'

train_datagen = ImageDataGenerator(rescale=1./255)


train_generator = train_datagen.flow_from_directory(train_dir)

Answer 1

要为 0 个类解析 0 个图像，请注意一个常见错误是您指定的目标文件夹没有子目录。 ImageDataGenerator根据您指定为第一个参数的目录下的每个子目录将数据拆分为类。 因此，您应该在目标下至少有一个子目录。

此外，生成器应该对它们进行 label 以便将它们提供给您的网络。 默认情况下，它使用分类方法作为 2D one-hot 编码标签。 但是，如果您希望以其他方式使用标签，请设置class_mode参数。 例如，对于输入没有 label 的自动编码器，您应该将其指定为class_mode=input 。

根据此处的文档， class_mode应该是其中之一：

• categorical将是 2D one-hot 编码标签，（默认模式）
• binary将是一维二进制标签，
• sparse将是一维 integer 标签，
• input将是与输入图像相同的图像（主要用于自动编码器）。
• None ，不返回标签（生成器只会产生批量图像数据，这对于与model.predict()一起使用很有用）