Python 如何在tensorflow中加载局部图像？

我从tensorflow文档中发现，加载名为“flower_photos”的数据集的代码是

data_dir=tf.keras.utils.get_文件（origin=''， fname='flower_photos'，untar=True）

---

我在我的本地机器中有一些图像，想加载并使用它来做一些神经网络算法，比如CNN。如何在tensorflow中加载和预处理本地存储的图像？

这是由Keras的图像预处理功能完成的

我将提供一些关于Keras文档中的示例的解释（请获取更多信息）

此预处理为培训提供了一个管道，并且有一个从本地文件系统读取的

.flow\u from\u directory（）

-方法

在这个文档示例中，通过水平翻转图片并应用0.2的剪切范围和缩放范围来增强图片。重新缩放是为了将RGB值规格化为0到1的范围：

train_datagen = ImageDataGenerator(
        rescale=1./255,
        shear_range=0.2,
        zoom_range=0.2,
        horizontal_flip=True)

test_datagen = ImageDataGenerator(rescale=1./255)

train_generator = train_datagen.flow_from_directory(
        'data/train',
        target_size=(150, 150),
        batch_size=32,
        class_mode='binary')

validation_generator = test_datagen.flow_from_directory(
        'data/validation',
        target_size=(150, 150),
        batch_size=32,
        class_mode='binary')

model.fit_generator(
        train_generator,
        steps_per_epoch=2000,
        epochs=50,
        validation_data=validation_generator,
        validation_steps=800)

使用此ImageDataGenerator，您可以使用

.fit\u generator（）

-方法（而不是

.fit（）

每个历元的步长*批量大小应等于训练数据的大小。
验证步骤*批处理大小应等于验证数据的大小。
这由Keras的图像预处理功能完成

我将提供一些关于Keras文档中的示例的解释（请获取更多信息）

此预处理为培训提供了一个管道，并且有一个从本地文件系统读取的
.flow\u from\u directory（）
-方法

在这个文档示例中，通过水平翻转图片并应用0.2的剪切范围和缩放范围来增强图片。重新缩放是为了将RGB值规格化为0到1的范围：

train_datagen = ImageDataGenerator(
        rescale=1./255,
        shear_range=0.2,
        zoom_range=0.2,
        horizontal_flip=True)

test_datagen = ImageDataGenerator(rescale=1./255)

train_generator = train_datagen.flow_from_directory(
        'data/train',
        target_size=(150, 150),
        batch_size=32,
        class_mode='binary')

validation_generator = test_datagen.flow_from_directory(
        'data/validation',
        target_size=(150, 150),
        batch_size=32,
        class_mode='binary')

model.fit_generator(
        train_generator,
        steps_per_epoch=2000,
        epochs=50,
        validation_data=validation_generator,
        validation_steps=800)

使用此ImageDataGenerator，您可以使用
.fit\u generator（）
-方法（而不是
.fit（）

每个历元的步长*批量大小应等于训练数据的大小。
验证步骤*批量大小应等于验证数据的大小。
您是在我提供的帮助下完成的吗？是的。但是我发现基本的python图像预处理很容易实现，原因可能是我是一个初学者。请发布你的解决方案作为答案：）你是在我提供的帮助下完成的吗？是的。但我发现基本的python图像预处理很容易实现，原因可能是我是个初学者。请将您的解决方案作为答案发布：）