Tensorflow keras.preprocessing.image.ImageDataGenerator 自定义图像数据集 (三)

最新推荐文章于 2024-06-08 16:29:58 发布

老光头_ME2CS

最新推荐文章于 2024-06-08 16:29:58 发布

阅读量2k

点赞数 1

分类专栏： Tensorflow 学习笔记 Python 卷积神经网络文章标签： tensorflow python 计算机视觉

本文链接：https://blog.csdn.net/Forrest97/article/details/106316778

版权

该博客详细介绍了如何利用Keras的ImageDataGenerator来构建自定义图像数据集，特别是针对大样本的图像数据集。内容包括加载二分类的猫狗数据集，配置训练和验证生成器，并应用数据增强操作。通过fit_generator方法进行模型训练，强调了生成器在内存优化和防止数据重复方面的优势。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

主要以Keras的ImageDataGenerator图像生成器方式讲解如何定义数据集

关于生成器函数的介绍，请参考：https://blog.csdn.net/Forrest97/article/details/106317598
优点：针对大样本的图像数据集，生成器函数可以节约内存资源，在一组epoch中不会出现重复的step数据（待考证）

import tensorflow as tf
from tensorflow.keras.preprocessing.image import ImageDataGenerator

import os
import numpy as np
import matplotlib.pyplot as plt

加载一个猫狗的二分类图像数据集到本地

_URL = 'https://storage.googleapis.com/mledu-datasets/cats_and_dogs_filtered.zip'
path_to_zip = tf.keras.utils.get_file('cats_and_dogs.zip', origin=_URL, extract=True)
PATH = os.path.join(os.path.dirname(path_to_zip), 'cats_and_dogs_filtered')
print