train_datagen.flow_from_directory类别次序

类别次序根据文件名称的字母顺序来排列,对于二分类问题,cat文件夹和dog文件夹里面的图片会分别归为第一类和第二类。

相关链接

扫码关注

实用AI客栈

获取最新AI资讯与实战案例

小编微信号 : langu86

福利区:独学而无友,则孤陋而寡闻.加入机器学习与深度学习讨论QQ群(581789266),一块交流与探讨,共同成长和进步!

 

`train_datagen.flow_from_directory` 函数是从目录中读取图像数据并进行预处理的流式生成器。 该函数的参数如下: - `directory`: 字符串,数据路径,其中包含子目录的路径。子目录的名称将被用作分类标签。 - `target_size`: 元组,整数元组 `(height, width)`,表示调整所有图像的大小。 - `color_mode`: 字符串,指定图像是否转换为灰度图像。默认为 `"rgb"`。 - `classes`: 可选参数,用于标识子目录的子集的可选子集列表。默认为 `None`,表示使用所有子目录(自动从子目录的名称生成类别标签)。 - `class_mode`: 字符串,指定分类标签的类型。可以是 `"categorical"`(默认值),表示每个标签是一个独热编码的向量;或者是 `"binary"`,表示二进制标签;或者是 `"sparse"`,表示整数标签。 - `batch_size`: 整数,生成的批次大小。 - `shuffle`: 布尔值,是否在每个 epoch 之后打乱数据。默认为 `True`。 - `seed`: 整数,随机数种子。 - `subset`: 字符串,数据集子集,可以是 `"training"` 或 `"validation"`。 - `interpolation`: 字符串,当调整大小时使用的插值方法。默认为 `"nearest"`。 - `follow_links`: 布尔值,是否遵循符号链接。默认为 `False`。 例如,以下代码将数据集中的图像大小调整为 (224, 224),将它们转换为 RGB 格式,将它们分为训练集和验证集两个子集,并将它们作为输入传递给模型: ```python from tensorflow.keras.preprocessing.image import ImageDataGenerator train_datagen = ImageDataGenerator(rescale=1./255, validation_split=0.2) train_generator = train_datagen.flow_from_directory( directory='path/to/dataset', target_size=(224, 224), color_mode='rgb', batch_size=32, class_mode='categorical', shuffle=True, seed=42, subset='training' ) validation_generator = train_datagen.flow_from_directory( directory='path/to/dataset', target_size=(224, 224), color_mode='rgb', batch_size=32, class_mode='categorical', shuffle=True, seed=42, subset='validation' ) ``` 其中,`rescale=1./255` 表示对像素值进行缩放,将像素值从 [0, 255] 范围缩放到 [0, 1] 范围。`validation_split=0.2` 表示将 20% 的数据用作验证集,`subset='training'` 和 `subset='validation'` 分别指定生成训练集和验证集。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

upDiff

你的鼓励将是我创作的最大动力!

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值