Keras 如何从图像\数据集\从\目录()中选择自定义图像
我有10个不同的文件夹(类),每个文件夹中都有几个图像。 例如,我的图像名称是Dog_L1、Dog_L2、…Dog_L1000(位于Dog文件夹中)和Cat_L1、Cat_L2、。。。在Cat文件夹中,其余文件夹用不同动物的名称和标签命名(通常为animal_L1、animal_L2、…animal_L1000)。Keras 如何从图像\数据集\从\目录()中选择自定义图像,keras,conv-neural-network,tf.keras,Keras,Conv Neural Network,Tf.keras,我有10个不同的文件夹(类),每个文件夹中都有几个图像。 例如,我的图像名称是Dog_L1、Dog_L2、…Dog_L1000(位于Dog文件夹中)和Cat_L1、Cat_L2、。。。在Cat文件夹中,其余文件夹用不同动物的名称和标签命名(通常为animal_L1、animal_L2、…animal_L1000)。 我想使用image\u dataset\u from\u directory()来读取文件夹,而且我想读取一些特定的图像,而不是从所有文件夹中读取所有图像 例如,我只想从所有文件夹中
我想使用
image\u dataset\u from\u directory()
来读取文件夹,而且我想读取一些特定的图像,而不是从所有文件夹中读取所有图像
例如,我只想从所有文件夹中读取名为animal_L1和animal_L2的图像,并将它们提供给我的模型进行分类
`train = tf.keras.preprocessing.image_dataset_from_directory(
data_dir,
validation_split=0.2,
subset="training",
seed=123,
image_size=(img_height, img_width),
batch_size=batch_size)`
`它返回:
train = {BatchDataset: 24229} <BatchDataset shapes: ((None, 128, 128, 3), (None,)), types: (tf.float32, tf.int32)>
class_names = {list: 10} ['Dog', 'Cat', 'Mice', 'Eagle', 'Tiger', 'Lion', 'Pig', 'Ape', 'Bat', 'Buffalo']
element_spec = {tuple: 2} (TensorSpec(shape=(None, 128, 128, 3), dtype=tf.float32, name=None), TensorSpec(shape=(None,), dtype=tf.int32, name=None))
file_paths = {list: 387658} ['C:\\Users\\\......]
Protected Attributes
train={BatchDataset:24229}
类名称={list:10}[“狗”、“猫”、“老鼠”、“鹰”、“老虎”、“狮子”、“猪”、“猿”、“蝙蝠”、“水牛”]
元素_spec={tuple:2}(TensorSpec(shape=(None,128,128,3),dtype=tf.float32,name=None),TensorSpec(shape=(None,),dtype=tf.int32,name=None))
文件路径={list:387658}['C:\\Users\\\\..]
受保护属性
问题是它返回所有文件夹中的所有现有图像,这些文件夹的路径可以在文件路径中找到。
我想知道是否有任何方法可以在不更改类名称
和元素规范
的情况下修改序列
中的文件路径,以仅选择动物路径L1和动物路径L2
或者是否有任何方法可以只选择我的自定义图像,而不是使用目录()中的image\u dataset\u选择所有图像
多谢各位