Python Tensorflow图像\u数据集\u来自输入数据集和输出数据集的\u目录

我试图学习图像自动编码，但我不能使用输入和输出图像来训练模型

例： 输入图像文件夹：“…/Pictures/input”
输出图像文件夹：“…/Pictures/output”

但我有一个错误的说法：

使用数据集作为输入时不支持`y`参数

---

在训练模型时，如何使用自己的输入图像和输出图像？

您可以使用

tf.data.Dataset

来获得更大的灵活性。从我读到的，

image\u dataset\u From\u directory

不支持除整数以外的任何自定义标签

试试这个：

import os
import tensorflow as tf
os.chdir(r'c:/users/user/Pictures')
from glob2 import glob

x_files = glob('inputs/*.jpg')
y_files = glob('targets/*.jpg')

files_ds = tf.data.Dataset.from_tensor_slices((x_files, y_files))

def process_img(file_path):
    img = tf.io.read_file(file_path)
    img = tf.image.decode_jpeg(img, channels=3)
    img = tf.image.convert_image_dtype(img, tf.float32)
    img = tf.image.resize(img, size=(28, 28))
    return img

files_ds = files_ds.map(lambda x, y: (process_img(x), process_img(y))).batch(1)

original, target = next(iter(files_ds))

---

感谢您的回复，但是我的输入和输出目录不同，所以我不能为bothOK传递相同的图像。我在编辑答案时考虑到了这个限制。然后，您只需要获得x和y的匹配文件列表。只需用对您的任务有意义的文件列表替换

os.listdir（）

。确保它与相应的y正确排序。当我使用新代码块时，我得到以下错误

OP\u REQUIRES在整个文件中失败\u read\u ops.cc:116:未找到：NewRandomAccessFile未能创建/打开：000128\u 17.png:系统找不到指定的文件

（顺便说一句，我将decode\u jpeg改为decode\u png）这可能是因为

'000128_17.png'

没有文件夹名。我用

glob2.glob

为您做了一个例子，它解决了这个问题。谢谢，我可以像重新缩放、旋转等那样扩展这个数据集吗

image\u dataset\u from\u directory

有一些增强功能，但我对这种方法也很好奇

import os
import tensorflow as tf
os.chdir(r'c:/users/user/Pictures')
from glob2 import glob

x_files = glob('inputs/*.jpg')
y_files = glob('targets/*.jpg')

files_ds = tf.data.Dataset.from_tensor_slices((x_files, y_files))

def process_img(file_path):
    img = tf.io.read_file(file_path)
    img = tf.image.decode_jpeg(img, channels=3)
    img = tf.image.convert_image_dtype(img, tf.float32)
    img = tf.image.resize(img, size=(28, 28))
    return img

files_ds = files_ds.map(lambda x, y: (process_img(x), process_img(y))).batch(1)

original, target = next(iter(files_ds))

<tf.Tensor: shape=(1, 28, 28, 3), dtype=float32, numpy=
array([[[[0.357423  , 0.3325731 , 0.20412168],
         [0.36274514, 0.21940777, 0.17623049],
         [0.34821934, 0.13921566, 0.06858743],
         ...,
         [0.25486213, 0.27446997, 0.2520612 ],
         [0.04925931, 0.26666668, 0.07619007],
         [0.48167226, 0.5287311 , 0.520888  ]]]

model.fit(ds, epochs=5)