Javascript Tensorflow.js批量加载和调整图像大小

你知道如何达到与之相同的效果吗

在node.js下的tensorflow.js中？我看不出如何加载子文件夹中的图像，调整它们的大小，并将它们转换为张量

本教程是关于图像分类的，我们有两个文件夹/标签：猫和狗，在两个子文件夹“training”和“validation”中

如有任何帮助，将不胜感激。

文件夹结构：

资料

• 训练
  • 猫
  • 狗
• 验证
  • 猫
  • 狗

脚本成功地扫描了“数据”目录及其子文件夹，调整了图像大小，将它们保存在“已调整大小”目录的相应文件夹中，并返回带有“标签”和“路径”的“图像”数组

如何将此数据加载并传递到tensorflow.js？

文件夹结构：

资料

• 训练
  • 猫
  • 狗
• 验证
  • 猫
  • 狗

脚本成功地扫描了“数据”目录及其子文件夹，调整了图像大小，将它们保存在“已调整大小”目录的相应文件夹中，并返回带有“标签”和“路径”的“图像”数组

---

如何将这些数据加载并传递到tensorflow.js？

目前还没有像python中那样在nodejs中创建数据管道的包。你可以自己写，这里有一些包@edkeveked-比如我自己的

超音速燃烧冲压发动机
。然后必须将数据加载到tensorflow.js。我可以帮上忙，但我们需要从一些可测试的例子开始——如果你给我指一个回购协议——我很乐意去看看。@Edkevek Yep，我可以看到，如果我们能为node.js开发人员实现类似的数据管道，那就太好了。@MichałKapracki这是一个git，我修改了脚本以存储带有标签和目录的图像。@HamzSider我将在周末对此进行研究。：）目前还没有像python中那样在nodejs中创建数据管道的包。你可以自己写，这里有一些包@edkeveked-比如我自己的
超音速燃烧冲压发动机
。然后必须将数据加载到tensorflow.js。我可以帮上忙，但我们需要从一些可测试的例子开始——如果你给我指一个回购协议——我很乐意去看看。@Edkevek Yep，我可以看到，如果我们能为node.js开发人员实现类似的数据管道，那就太好了。@MichałKapracki这是一个git，我修改了脚本以存储带有标签和目录的图像。@HamzSider我将在周末对此进行研究。：）请参阅本文暂停将图像数据集加载到tensorflow.js中–请参阅本文暂停将图像数据集加载到tensorflow.js中–
let path = require('path');
let fs = require('fs');
let sd = require('scandirectory');
let sharp = require('sharp');
// params
const IMG_HEIGHT = 150
const IMG_WIDTH = 150
const options = {}
let uniq_labels = []
let images = []
// let images_tensor = {}
const data_path = path.join(__dirname, '../data/');
const resized_path = path.join(__dirname, '../resized/');

// resize images
sd(data_path, options, scanDirCb);

function scanDirCb(err, list, tree) {
    let labels = []
    if (err) {
        console.log('Unable to scan directory: ' + err);
        return
    } else {
        // loop
        Object.entries(tree).forEach(([folder, label]) => {
            // create sub folder
            if (!fs.existsSync(resized_path + folder)) {
                fs.mkdirSync(resized_path + folder);
            }
            Object.entries(label).forEach(([label_name, content]) => {
                // new image
                let new_image = {
                    "label": label_name
                };
                // save labels
                labels.push(label_name);

                if (!fs.existsSync(resized_path + folder + '/' + label_name)) {
                    fs.mkdirSync(resized_path + folder + '/' + label_name);
                }
                // saving images
                for (let image in content) {
                    if (content.hasOwnProperty(image)) {
                        // console.log(`Resizing image: ${image}`)
                        // save image path
                        new_image.path = resized_path + folder + '/' + label_name + '/' + image;

                        sharp(path.join(data_path + folder + '/' + label_name, '/' + image))
                            .resize(IMG_HEIGHT, IMG_WIDTH)
                            .jpeg({
                                quality: 90
                            }).toFile(path.join(resized_path + folder + '/' + label_name, '/' + image));

                        images.push(new_image)
                    }
                }
            });
        });
    };
    // remove dublicate labels
    uniq_labels = [...new Set(labels)];
    // console.log(images)
    // results: 
    // { label: 'cats',
    //     path: '/Users/mac/MachineLearning/cats-dogs/resized/train/cats/cat.999.jpg'
    // }, {
    //     label: 'cats',
    //     path: '/Users/mac/MachineLearning/cats-dogs/resized/train/cats/cat.999.jpg'
    // } ...more lines
}