时间戳

首页 > 解决方案 > 来自 tf.keras.preprocessing.image.ImageDataGenerator.flow_from_directory 的 tf.data.Dataset？

python - 来自 tf.keras.preprocessing.image.ImageDataGenerator.flow_from_directory 的 tf.data.Dataset？

问题描述

我如何创建一个tf.data.Dataset从tf.keras.preprocessing.image.ImageDataGenerator.flow_from_directory？

我正在考虑tf.data.Dataset.from_generator，但output_types鉴于返回类型，尚不清楚如何为其获取关键字参数：

其中的DirectoryIterator产生元组是一个 numpy 数组，(x, y)其中x包含一批具有形状的图像，(batch_size, *target_size, channels)并且y是一个对应标签的 numpy 数组。

标签： pythonnumpytensorflowkerasmarshalling

解决方案

这是我的解决方案。为了展示它是如何工作的，我使用了猫/狗数据集：

import matplotlib.pyplot as plt
import numpy as np
import os
import tensorflow as tf


_URL = 'https://storage.googleapis.com/mledu-datasets/cats_and_dogs_filtered.zip'
path_to_zip = tf.keras.utils.get_file('cats_and_dogs.zip', origin=_URL, extract=True)
PATH = os.path.join(os.path.dirname(path_to_zip), 'cats_and_dogs_filtered')

train_dir = os.path.join(PATH, 'train')
#'/Users/mustafamuratarat/.keras/datasets/cats_and_dogs_filtered/train'

BATCH_SIZE = 32
IMG_SIZE = (160, 160)

img_gen = tf.keras.preprocessing.image.ImageDataGenerator(rescale=1./255)

gen = img_gen.flow_from_directory(train_dir, target_size=(160, 160), batch_size=32)
#<tensorflow.python.keras.preprocessing.image.DirectoryIterator at 0x7fb9fde3b250>

#gen.class_indices
#{'cats': 0, 'dogs': 1}

#gen.target_size
#(160, 160)

# gen.batch_size
# 32

# gen.num_classes
# 2

dataset = tf.data.Dataset.from_generator(
    lambda: gen,
    output_types = (tf.float32, tf.float32),
    output_shapes = ([None, 160, 160, 3], [None, 2]),
)

#list(dataset.take(1).as_numpy_iterator())

然后您可以将dataset对象提供给任何模型。

推荐阅读