Question

我使用Keras内部的ImageDataGenerator来读取图像目录。我想将结果保存在一个numpy数组中，所以我可以进行进一步的操作并将其保存到一个文件中的磁盘上。

flow_from_directory()返回一个迭代器，这就是我尝试以下

的原因

itr = gen.flow_from_directory('data/train/', batch_size=1, target_size=(32,32))
imgs = np.concatenate([itr.next() for i in range(itr.nb_sample)])

但是那产生了

ValueError: could not broadcast input array from shape (32,32,3) into shape (1)

我认为我滥用concatenate()功能，但我无法弄清楚我失败的地方。

Answer 1

我遇到了同样的问题并通过以下方式解决了这个问题： itr.next将下一批图像作为两个numpy.ndarray对象返回：batch_x，batch_y。（来源：keras/preprocessing/image.py）因此，您可以将flow_from_directory的batch_size设置为整个列车数据集的大小。

例如，我的整个训练集包含1481张图像：

train_datagen = ImageDataGenerator(rescale=1. / 255)
itr = train_generator = train_datagen.flow_from_directory(
train_data_dir,
target_size=(img_width, img_height),
batch_size=1481,
class_mode='categorical')

X, y = itr.next()

Answer 2

使用ImageDataGenerator时，数据以directoryiterator的格式加载。您可以批量提取或整体提取

train_generator = train_datagen.flow_from_directory(
    train_parent_dir,
    target_size=(300, 300),
    batch_size=32,
    class_mode='categorical'
)

其输出为

Found 3875 images belonging to 3 classes.

要整体提取为numpy数组（这意味着不能批量提取），可以使用此代码

x=np.concatenate([train_generator.next()[0] for i in range(train_generator.__len__())])
y=np.concatenate([train_generator.next()[1] for i in range(train_generator.__len__())])
print(x.shape)
print(y.shape)

注意：建议在使用此代码之前使用 train_generator.reset（）

以上代码的输出为

(3875, 300, 300, 3)
(3875, 3)

即使使用ImageDataGenerator批量加载了32个输出，也将以numpy数组的形式获得输出。

要批量获取输出，请使用以下代码

x=[]
y=[]
train_generator.reset()
for i in range(train_generator.__len__()):
   a,b=train_generator.next()
   x.append(a)
   y.append(b)
x=np.array(x)
y=np.array(y)
print(x.shape)
print(y.shape)

代码的输出是

(122,)
(122,)

希望这可以作为解决方案

将ImageDataGenerator结果分配给Numpy数组

2 个答案: