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)Python 如何在tensorflow中加载局部图像?,python,tensorflow,conv-neural-network,Python,Tensorflow,Conv Neural Network,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
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:)