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_file(origin='https://storage.googleapis.com/download.tensorflow.org/example_images/flower_photos.tgz', fname='flower_photos', untar=True)
我的本地计算机中有一些图像,想要加载并使用它来执行一些神经网络算法,例如 CNN。如何在tensorflow中加载和预处理本地存储的图像?
最佳答案
这是通过 Keras 的图像预处理功能完成的。
我将提供有关 Keras 文档中示例的一些解释(请 read the docs 了解更多信息。)
此预处理为训练提供了一个管道,并且有一个 .flow_from_directory()
方法可以从本地文件系统读取。
在文档的这个示例中,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 值标准化为 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)
通过此 ImageDataGenerator,您可以使用 .fit_generator()
方法(而不是 .fit()
)来使用此准备好的管道来进行模型处理。
steps_per_epoch * batch_size 应等于训练数据的大小。 validation_steps * batch_size 应等于验证数据的大小。
关于python - 如何在tensorflow中加载本地镜像?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/58571072/