# from tensorflow.keras.preprocessing import image_dataset_from_directory
tf.keras.preprocessing.image_dataset_from_directory(
directory,
labels="inferred",
label_mode="int",
class_names=None,
color_mode="rgb",
batch_size=32,
image_size=(256, 256),
shuffle=True,
seed=None,
validation_split=None,
subset=None,
interpolation="bilinear",
follow_links=False,
）
从目录中的图像文件生成一个?tf.data.Dataset
如果你的目录结构是：
main_directory/
...class_a/
......a_image_1.jpg
......a_image_2.jpg
...class_b/
......b_image_1.jpg
......b_image_2.jpg
然后调用 image_dataset_from_directory(main_directory, labels='inferred') 将返回一个tf.data.Dataset, 该数据集从子目录class_a和class_b生成批次图像，同时生成标签0和1（0对应class_a，1对应class_b）.
支持的图像格式：jpeg, png, bmp, gif. 动图被截断到第一帧。
参数：
- directory:?数据所在目录。如果标签是“inferred”（默认），则它应该包含子目录，每个目录包含一个类的图像。否则，将忽略目录结构。?
- labels:?“inferred”（标签从目录结构生成），或者是整数标签的列表/元组，其大小与目录中找到的图像文件的数量相同。标签应根据图像文件路径的字母顺序排序（通过Python中的os.walk(directory)获得）。
- label_mode:?'int'：表示标签被编码成整数（例如：
sparse_categorical_crossentropy?loss）。‘categorical’指标签被编码为分类向量（例如：categorical_crossentropy?loss）。‘binary’意味着标签（只能有2个）被编码为值为0或1的float32标量（例如：binary_crossentropy）。None（无标签）。 - class_names:?仅当“labels”为“inferred”时有效。这是类名称的明确列表（必须与子目录的名称匹配）。用于控制类的顺序（否则使用字母数字顺序）。
- color_mode:?"grayscale"、"rgb"、"rgba"之一。默认值："rgb"。图像将被转换为1、3或者4通道。
- batch_size:?数据批次的大小。默认值：32
- image_size:?从磁盘读取数据后将其重新调整大小。默认：（256，256）。由于管道处理的图像批次必须具有相同的大小，因此该参数必须提供。
- shuffle:?是否打乱数据。默认值：True。如果设置为False,则按字母数字顺序对数据进行排序。
- seed:?用于shuffle和转换的可选随机种子。
- validation_split:?0和1之间的可选浮点数，可保留一部分数据用于验证。
- subset:?"training"或"validation"之一。仅在设置validation_split时使用。
- interpolation:?字符串,当调整图像大小时使用的插值方法。默认为：
bilinear。支持bilinear,?nearest,?bicubic,?area,?lanczos3,?lanczos5,?gaussian,?mitchellcubic.。 - follow_links:?是否访问符号链接指向的子目录。默认：False。
Returns
一个tf.data.Dataset对象。
- 如果label_mode为None，它将生成float32张量，其shape为（batch_size, image_size[0], image_size(1), num_channels）,并对图像进行编码（有关num_channels的规则，参见下文）。
- 否则，将生成一个元组（images, labels），其中图像的shape为（batch_size, image_size[0], image_size(1), num_channels），并且labels遵循下面描述的格式。
关于labels格式规则：
- 如果label_mode?是?int,?labels是形状为（batch_size, ）的int32张量
- 如果label_mode?是?binary,?labels是形状为（batch_size, 1）的1和0的float32张量。
- 如果label_mode?是?categorial,?labels是形状为（batch_size, num_classes）的float32张量，表示类索引的one-hot编码。
有关生成图像中通道数量的规则：
如果color_mode?是?grayscale, 图像张量有1个通道。
如果color_mode?是?rgb, 图像张量有3个通道。
如果color_mode?是?rgba, 图像张量有4个通道。
|