[英]Can I skip files using Keras ImageDataGenerator().flow_from_directory on MacOS?
[英]Can I generate uint8 label using ImageDataGenerator() and flow_from_directory() in Keras?
我正在處理2D語義分段任務。
在Keras API文檔中,這些僅包含示例,顯示如何為圖像分類安排數據集,而不是語義分段。
所以我像這樣安排我的圖像和標簽
SEED = 111
batch_size = 2
image_datagen = ImageDataGenerator(
horizontal_flip=True,
zca_epsilon=9,
# fill_mode='nearest',
)
image_generator = image_datagen.flow_from_directory(
directory="/xxx/images",
class_mode=None,
batch_size=batch_size,
seed=SEED,
)
def preprocessing_function(image):
return image.astype(np.uint8)
label_datagen = ImageDataGenerator(
horizontal_flip=True,
zca_epsilon=9,
rescale=1,
preprocessing_function=preprocessing_function,
# fill_mode='nearest',
)
label_generator = image_datagen.flow_from_directory(
directory="/xxx/labels",
class_mode=None,
batch_size=batch_size,
seed=SEED,
)
train_generator = zip(image_generator, label_generator)
print(len(image_generator))
i = 0
for image_batch, label_batch in iter(train_generator):
print(image_batch.shape, label_batch.shape) # (2, 256, 256, 3) (2, 256, 256, 3)
print(image_batch.dtype, label_batch.dtype) # float32 float32
i += 1
if i == 5:
break
但是我發現生成的標簽圖像的類型是float32 ,所以我將一個preprocessing_function函數添加到label_datagen只是為了將dtype轉換為uint8, 但生成的標簽圖像'dtype仍然是float32 ,似乎preprocessing_function什么也沒做。
我該如何修復這個問題?
如何將我的標簽數據更改為uint8?
添加預處理函數來投射標簽圖像的dtype是“常見做法”嗎?
謝謝你的建議!
我遇到了同樣的問題,並將發電機包裝成另一個。 它有效,但它是一種kludge
label_generator = (x.astype(np.uint8) for x in label_generator)
train_generator = zip(image_generator, label_generator)
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.