C# 如何将多个图像文件夹加载到管道中？

我是ML的新手

我开始使用sample来了解它是如何工作的

我正在尝试加载多个图像文件夹。例如，包含学习数据的cars、CAT文件夹。 我知道我需要将新文件夹加载到管道中，现在我不知道如何实现它

你有什么建议吗

   // <SnippetImageTransforms>
    IEstimator<ITransformer> pipeline = mlContext.Transforms.LoadImages(outputColumnName: "input", imageFolder: _imagesFolder, inputColumnName: nameof(ImageData.ImagePath))
                    // The image transforms transform the images into the model's expected format.
                    .Append(mlContext.Transforms.ResizeImages(outputColumnName: "input", imageWidth: InceptionSettings.ImageWidth, imageHeight: InceptionSettings.ImageHeight, inputColumnName: "input"))
                    .Append(mlContext.Transforms.ExtractPixels(outputColumnName: "input", interleavePixelColors: InceptionSettings.ChannelsLast, offsetImage: InceptionSettings.Mean))
                    // </SnippetImageTransforms>
                    // The ScoreTensorFlowModel transform scores the TensorFlow model and allows communication 
                    // <SnippetScoreTensorFlowModel>
                    .Append(mlContext.Model.LoadTensorFlowModel(_inceptionTensorFlowModel).
                        ScoreTensorFlowModel(outputColumnNames: new[] { "softmax2_pre_activation" }, inputColumnNames: new[] { "input" }, addBatchDimensionInput: true))
                    // </SnippetScoreTensorFlowModel>
                    // <SnippetMapValueToKey>
                    .Append(mlContext.Transforms.Conversion.MapValueToKey(outputColumnName: "LabelKey", inputColumnName: "Label"))
                    // </SnippetMapValueToKey>
                    // <SnippetAddTrainer>
                    .Append(mlContext.MulticlassClassification.Trainers.LbfgsMaximumEntropy(labelColumnName: "LabelKey", featureColumnName: "softmax2_pre_activation"))
                    // </SnippetAddTrainer>
                    // <SnippetMapKeyToValue>
                    .Append(mlContext.Transforms.Conversion.MapKeyToValue("PredictedLabelValue", "PredictedLabel"))
                    .AppendCacheCheckpoint(mlContext);
    // </SnippetMapKeyToValue>

    // <SnippetLoadData>
    IDataView trainingData = mlContext.Data.LoadFromTextFile<ImageData>(path:  _trainTagsTsv, hasHeader: false);
    // </SnippetLoadData>

    // Train the model
    Console.WriteLine("=============== Training classification model ===============");
    // Create and train the model
    // <SnippetTrainModel>
    ITransformer model = pipeline.Fit(trainingData);
    // </SnippetTrainModel>

    // Generate predictions from the test data, to be evaluated
    // <SnippetLoadAndTransformTestData>
    IDataView testData = mlContext.Data.LoadFromTextFile<ImageData>(path: _testTagsTsv, hasHeader: false);
    IDataView predictions = model.Transform(testData);

    // Create an IEnumerable for the predictions for displaying results
    IEnumerable<ImagePrediction> imagePredictionData = mlContext.Data.CreateEnumerable<ImagePrediction>(predictions, true);
    DisplayResults(imagePredictionData);
    // </SnippetLoadAndTransformTestData>

//
IEstimator pipeline=mlContext.Transforms.LoadImages（outputColumnName:“输入”，imageFolder:_imagesFolder，inputColumnName:nameof（ImageData.ImagePath））
//图像变换将图像转换为模型的预期格式。
.Append（mlContext.Transforms.ResizeImages（outputColumnName:“输入”，imageWidth:InceptionSettings.imageWidth，imageHeight:InceptionSettings.imageHeight，inputColumnName:“输入”））
.Append（mlContext.Transforms.ExtractPixels（outputColumnName:“input”，交错像素颜色：InceptionSettings.ChannelsLast，offsetImage:InceptionSettings.Mean））
// 
//ScoreTensorFlowModel转换为TensorFlow模型打分并允许通信
// 
.Append（mlContext.Model.LoadTensorFlowModel（\u inceptionTensorFlowModel）。
ScoreTensorFlowModel（outputColumnNames:new[]{“softmax2_pre_activation”}，inputColumnNames:new[]{“input”}，addBatchDimensionInput:true））
// 
// 
.Append（mlContext.Transforms.Conversion.MapValueToKey（outputColumnName:“LabelKey”，inputColumnName:“Label”））
// 
// 
.Append（mlContext.MulticlassClassification.Trainers.lbfgsMaximumEntry（labelColumnName:“LabelKey”，featureColumnName:“softmax2预激活”））
// 
// 
.Append（mlContext.Transforms.Conversion.MapKeyToValue（“PredictedLabelValue”、“PredictedLabel”））
.AppendCacheCheckpoint（mlContext）；
// 
// 
IDataView trainingData=mlContext.Data.LoadFromTextFile（路径：_trainTagsTsv，hashheader:false）；
// 
//训练模型
Console.WriteLine（“=========================训练分类模型=======================”）；
//创建并训练模型
// 
ITransformer模型=pipeline.Fit（训练数据）；
// 
//根据要评估的测试数据生成预测
// 
IDataView testData=mlContext.Data.LoadFromTextFile（路径：_testTagsTsv，hashreader:false）；
IDataView预测=model.Transform（testData）；
//为预测创建IEnumerable以显示结果
IEnumerable imagePredictionData=mlContext.Data.CreateEnumerable（预测，true）；
显示结果（imagePredictionData）；
// 

是关于

Microsoft.ML

框架的吗？是的。添加了标签