![](/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?
我們可以使用 ImageDataGenerator 和 flow_from_directory 方法生成圖像數據集。 對於類的調用列表,我們可以使用 object.classes。 但是,如何調用值列表? 我已經搜索過,但仍然沒有找到。
謝謝:)
ImageDataGenerator 是一個 python 生成器,它每次都會生成一批形狀與模型輸入相同的數據(如(batch_size,width,height,channels)
)。 生成器的好處是當你的數據集太大時,你不能把所有的數據都放在你有限的內存中,但是,有了生成器,你可以每次生成一批數據。 並且 ImageDataGenerator 與model.fit_generator(), model.predict_generator()
。
如果要獲取數字數據,可以使用生成器的next()
函數:
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
處理圖像:
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,您可以使用此函數循環所有圖像以獲取數字數據。
注意,我建議您使用生成器而不是直接獲取所有數據,否則可能會耗盡內存。
“但是,如何調用值列表” - 如果我理解正確,我猜您想知道數據集中的所有文件 - 如果正確,(或者如果不正確),您可以通過多種方式獲取值從你的發電機:
Object.filenames 返回目標文件夾中所有文件的列表。 我只是使用 len(object.filename) 函數來獲取我的測試文件夾中的文件總數。 然后將該數字傳回我的生成器並再次運行它。
獲取測試文件夾中所有項目數量的其他方法是 generator.n
我只使用它,因為我的測試數據集非常小(60 張圖像),並且我使用提取的特征來訓練和預測我的模型(即特征數組而不是圖像數組)。 如果您正在構建一個普通模型,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)
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.