tensorflow2.0 读取图片数据总结

最新推荐文章于 2022-04-11 20:33:12 发布

段大帅

最新推荐文章于 2022-04-11 20:33:12 发布

阅读量5.5k

点赞数 9

CC 4.0 BY-SA版权

分类专栏：深度学习

本文链接：https://blog.youkuaiyun.com/qq_35306993/article/details/103287061

大部分的教程讲解的都是MNIST等已经为用户打包封装好的数据集，用户只需要load_data即可实现数据导入。但是在我们平时使用时，无论您是做分类还是检测或者分割任务，我们不可能每次都能找到打包好的数据集使用，大多数时候我们使用的都是自己的数据集，也就是我们需要从本地读取文件。因此我们是很有必要学会数据预处理这个本领的。本篇文章，我们就聊聊如何使用TensorFlow2.0对自己的数据集进行处理。
在TensorFlow2.0中，对数据处理的方法有很多种，下面我主要介绍两种我自认为最好用的数据预处理的方法。关于之前1.x版本的管道方式，在tf2.0中已经被取消。

1. 使用Keras API对数据进行预处理
在TensorFlow2.0的高级API Keras中有个比较好用的图像处理的类ImageDataGenerator，它可以将本地图像文件自动转换为处理好的张量。

from tensorflow.keras.preprocessing.image import ImageDataGenerator

train_data_dir = r"D://Learning//tensorflow_2.0//smile//data//train"

val_data_dir = r"D://Learning//tensorflow_2.0//smile//data//val"

img_width,img_height = 48,48

batch_size = 16

train_datagen = ImageDataGenerator(

       rescale=1./255,

       shear_range=0.2,

       horizontal_flip=True)

val_datagen = ImageDataGenerator(rescale=1. / 255)

train_generator = train_datagen.flow_from_directory(

       train_data_dir,

       target_size=(img_width, img_height),

       batch_si