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

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？我搜索过但仍未发现任何问题.

谢谢 ：)

解决方法:

ImageDataGenerator是一个python生成器,它每次都会生成一组数据,其形状与模型输入相同(如(batch_size,width,height,channels)).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.

如果要获取数值数据,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,你可以自己使用PIL和numpy处理图像：

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,您可以使用此函数循环所有图像以获取数字数据.

请注意,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.

标签：python,keras,conv-neural-network,deep-learning
来源： https://codeday.me/bug/20190823/1699854.html