如何從 tf.keras.preprocessing.image_dataset_from_directory() 探索和修改創建的數據集？

Question

以下是我如何使用該功能：

dataset = tf.keras.preprocessing.image_dataset_from_directory(
    main_directory,
    labels='inferred',
    image_size=(299, 299),
    validation_split=0.1,
    subset='training',
    seed=123
)

我想像在這個例子中一樣探索創建的數據集，特別是它被轉換為pandas數據幀的部分。 但我的最低目標是檢查標簽和附加到它的文件數量，只是為了檢查它是否確實按預期創建了數據集（子目錄是其中圖像的相應標簽）。

需要明確的是， main_directory是這樣設置的：

main_directory
- class_a
  - 000.jpg
  - ...
- class_b
  - 100.jpg
  - ...

我希望看到數據集以如下方式顯示其信息：

label     number of images
class_a   100
class_b   100

此外，是否可以刪除數據集中的標簽和相應的圖像？ 這個想法是如果相應的圖像數量小於某個數量或不同的度量標准，則刪除它們。 它當然可以通過其他方式在這個函數之外完成，但我想知道它是否確實可能，如果是，如何。

編輯：對於額外的上下文，所有這些的最終目標是訓練一個像這樣的預訓練模型，將本地圖像划分為以類別命名的文件夾。 如果有更好的方法，包括不使用該功能並滿足此最終目標，則同樣歡迎。 謝謝！

Answer 1

我認為使用glob2獲取所有文件名，根據需要處理它們，然后創建一個簡單的加載函數來替換image_dataset_from_directory會image_dataset_from_directory 。

獲取所有文件：

files = glob2.glob('class_*\\*.jpg')

然后根據需要操作此文件名列表。

然后，創建一個函數來加載圖像：

def load(file_path):
    img = tf.io.read_file(file_path)
    img = tf.image.decode_jpeg(img, channels=3)
    img = tf.image.convert_image_dtype(img, tf.float32)
    img = tf.image.resize(img, size=(299, 299))
    label = tf.strings.split(file_path, os.sep)[0]
    label = tf.cast(tf.equal(label, 'class_a'), tf.int32)
    return img, label

然后創建用於訓練的數據集：

train_ds = tf.data.Dataset.from_tensor_slices(files).map(load).batch(4)

然后訓練：

model.fit(train_ds)