這是我使用該函數(shù)的方式：dataset = tf.keras.preprocessing.image_dataset_from_directory( main_directory, labels='inferred', image_size=(299, 299), validation_split=0.1, subset='training', seed=123)我想像本示例一樣探索創(chuàng)建的數(shù)據(jù)集，特別是將其轉(zhuǎn)換為數(shù)據(jù)幀的部分pandas。但我的最低目標(biāo)是檢查標(biāo)簽和附加的文件數(shù)量，只是為了檢查它是否確實(shí)按預(yù)期創(chuàng)建了數(shù)據(jù)集（子目錄是其中圖像的相應(yīng)標(biāo)簽）。需要明確的是，它main_directory的設(shè)置如下：main_directory- class_a - 000.jpg - ...- class_b - 100.jpg - ...我希望看到數(shù)據(jù)集顯示其信息，如下所示：label number of imagesclass_a 100class_b 100此外，是否可以刪除數(shù)據(jù)集中的標(biāo)簽和相應(yīng)圖像？我們的想法是，如果相應(yīng)的圖像數(shù)量小于一定數(shù)量或不同的指標(biāo)，則丟棄它們。當(dāng)然可以通過其他方式在此函數(shù)之外完成，但我想知道這是否確實(shí)可能，如果可以，如何實(shí)現(xiàn)。
1 回答
達(dá)令說
TA貢獻(xiàn)1821條經(jīng)驗(yàn) 獲得超6個(gè)贊
我認(rèn)為使用它glob2來獲取所有文件名，根據(jù)需要處理它們，然后創(chuàng)建一個(gè)簡單的加載函數(shù)來替換image_dataset_from_directory.
獲取您的所有文件：
files = glob2.glob('class_*\\*.jpg')
然后根據(jù)需要操作該文件名列表。
然后，創(chuàng)建一個(gè)加載圖像的函數(shù)：
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(chuàng)建用于訓(xùn)練的數(shù)據(jù)集：
train_ds = tf.data.Dataset.from_tensor_slices(files).map(load).batch(4)
然后訓(xùn)練：
model.fit(train_ds)
- 1 回答
- 0 關(guān)注
- 152 瀏覽
添加回答
舉報(bào)
0/150
提交
取消