Question

我们可以使用带有flow_from_directory方法的ImageDataGenerator生成图像数据集。对于调用类的列表，我们可以使用oject.classes。但是，如何调用值列表？我已经搜索过，但仍未找到任何内容。

谢谢：）

Answer 1

ImageDataGenerator是一个python生成器，每次都会生成一组数据，其形状与模型输入（如(batch_size,width,height,channels)）相同。生成器的好处是当您的数据集太大时，您无法将所有数据放入有限的内存中，但是，使用生成器，您每次都可以生成一个批处理数据。 ImageDataGenerator与model.fit_generator(), model.predict_generator()一起使用。

如果您想获取数字数据，可以使用生成器的next()函数：

import numpy as np    

data_gen = ImageDataGenerator(rescale = 1. / 255)

data_generator = datagen.flow_from_directory(
    data_dir,
    target_size=(img_height, img_width),
    batch_size=batch_size,
    class_mode='categorical')
data_list = []
batch_index = 0

while batch_index <= data_generator.batch_index:
    data = data_generator.next()
    data_list.append(data[0])
    batch_index = batch_index + 1

# now, data_array is the numeric data of whole images
data_array = np.asarray(data_list)

或者，您可以自己使用PIL和numpy处理图片：

from PIL import Image
import numpy as np

def image_to_array(file_path):
    img = Image.open(file_path)
    img = img.resize((img_width,img_height))
    data = np.asarray(img,dtype='float32')
    return data
    # now data is a tensor with shape(width,height,channels) of a single image.

然后，您可以使用此功能循环所有图像以获取数字数据。

注意，我建议您使用生成器而不是直接获取所有数据，或者，您可能会耗尽内存。

Answer 2

“但是，如何调用值列表”-如果我理解正确，我想你想知道数据集中所有文件的内容-如果正确（或不正确），则可以通过多种方式可以从生成器中获取值：

使用object.filenames。

Object.filenames返回目标文件夹中所有文件的列表。我只是使用len（object.filename）函数来获取测试文件夹中的文件总数。然后将该数字传回我的生成器，然后再次运行。

generator.n

获取测试文件夹中所有项目编号的另一种方法是生成器。n

x，y = test_generator.next（）加载我的数组和类（如果推断）。或= test_generator.next（），您的数组和类将作为元组返回。

我只是用它，因为我的测试数据集非常小（60张图像），并且我正在使用提取的特征来训练和预测我的模型（即特征阵列而不是图像阵列）。如果您要构建普通模型，则使用生成器生成批次是更好的方法。

使用生成器创建函数

def generate_test_data_from_directory(folder_path, image_target_size = 224, batch_size = 5, channels = 3, class_mode = 'sparse' ): 

'''fetch all out test data from directory'''
 
test_datagen = ImageDataGenerator(rescale=1./255)
test_generator = test_datagen.flow_from_directory(
        folder_path ,
        target_size = (image_target_size, image_target_size),
        batch_size  = batch_size,
        class_mode  = class_mode)

total_images = test_generator.n  
steps = total_images//batch_size 
#iterations to cover all data, so if batch is 5, it will take total_images/5  iteration 

x , y = [] , []
for i in range(steps):
    a , b = test_generator.next()
    x.extend(a) 
    y.extend(b)
    
return np.array(x), np.array(y)

如何获取ImageDataGenerator.flow_from_directory Keras中的值列表？

2 个答案: