Python CNN:当地图给出标签时该怎么办
在为图像分类问题拟合卷积神经网络时,为了使用以下函数Python CNN:当地图给出标签时该怎么办,python,tensorflow,image-processing,keras,Python,Tensorflow,Image Processing,Keras,在为图像分类问题拟合卷积神经网络时,为了使用以下函数 flow_from_directory() image_dataset_from_directory() Keras希望列车数据以这种方式存储: \data: \training \class_1 "imag1.jpg" "imag2.jpg" ... \class_2 "imag1.jpg&
flow_from_directory()
image_dataset_from_directory()
Keras希望列车数据以这种方式存储:
\data:
\training
\class_1
"imag1.jpg"
"imag2.jpg"
...
\class_2
"imag1.jpg"
"imag2.jpg"
...
....
相反,我有一个数据集,其中所有图像都存储在一个文件夹中,还有一个.json
文件,其中包含从文件名到标签的映射。差不多
{"18985.jpg": 0, "43358.jpg": 0, ... "13163.jpg": 1 ....}
是否有一种有效的方法来使用此数据集?我建议的解决方案是编写一个脚本来为您构建文件夹 步骤1:打开json,并获得一个独特类别的列表 第2步:迭代唯一类别列表,并在training下创建一个文件夹 步骤3:迭代json,并将文件复制到正确的文件夹(您已经创建了该文件夹) 步骤4:从目录中使用图像\u数据集\u加载所有内容 另一种方法是从发电机使用
import json
# Opening JSON file
f = open('data.json',)
# returns JSON object as
# a dictionary
data = json.load(f)
def gen():
for (image_path, label) in data.items():
image = tf.keras.preprocessing.image.load_img(image_path)
input_arr = keras.preprocessing.image.img_to_array(image)
yield (input_arr, label)
dataset = tf.data.Dataset.from_generator(
gen,
(tf.float32, tf.float32),
output_shapes=([32,256,256,3], [32,5]) # 5 is your number of categories
我个人会选择第一个^^ ^你想这样使用这些文件,还是想从目录expect中将其转换为配置映像\u dataset\u?你可以使用dataframe@AlexandreCatalano,两种方法都很好我尝试了一些方法告诉我是否有用:)