Python ImageDataGenerator流来自带有孙子文件夹的\u目录
我有一个k-fold train数据集,但其结构有一个孙子文件夹,用于:Python ImageDataGenerator流来自带有孙子文件夹的\u目录,python,tensorflow,machine-learning,keras,dataset,Python,Tensorflow,Machine Learning,Keras,Dataset,我有一个k-fold train数据集,但其结构有一个孙子文件夹,用于: /monkey / howler monkey - img1 - img2 / japanese macaque - img1 - img2 /dog / bulldog - img1 - img2 / Rottweiler - img1 -
/monkey
/ howler monkey
- img1
- img2
/ japanese macaque
- img1
- img2
/dog
/ bulldog
- img1
- img2
/ Rottweiler
- img1
- img2
在这种情况下,当我使用
ImageDataGenerator
flow\u from\u directory
时。找到了8个img,但该类有2个img,而不是4个img。我怎样才能得到4门课呢?这个问题我已经问了很长时间了,我无法用.flow\u从\u目录
直接找到答案。我所做的是使用数据帧中的.flow\u。首先,我刚刚创建了一个带有图像路径及其相应标签的数据框(在您的例子中是howler monkey、japanese macque等)。制作此数据帧时,您不会在任何点实际加载图像
事情会是这样的:
images_paths_label = []
for root_class in os.listdir(root_folder):
temp_class = os.path.join(root_folder, root_class)
for class in os.listdir(temp_class):
temp_subclass = os.path.join(temp_class, class)
for image in os.listdir(temp_subclass):
temp_img_path = os.path.join(temp_subclass, image)
images_paths_label.append([temp_img_path, class])
df = pd.DataFrame(images_paths_label, columns = ['image_path', 'label'])
# Now the flow_from_dataframe part
generator = ImageDataGenerator(validation_split = 0.2)
train_generator = generator.flow_from_directory(df, directory = None, x_col = 'image_path', y_col = 'label', seed = 14,...)
- 在使用代码段之前,请检查其缩进。我只是在这里输入stackoverflow
您给出的是directory=None
,因为您在数据帧的image\u path
列中放置了一个绝对路径。指定种子是因为默认情况下shuffle=True
,它应该是True,因为您的数据帧样本是按类排序的。在这里设置种子,可以确保验证数据保持不变
这将使您全面了解如何在仍然使用生成器的情况下克服此问题。如果发现任何问题,请告诉我