tensorflow中生成图片数据集可以使用这个类，根据图片所在文件夹划分训练集和验证集：tf.keras.preprocessing.image_dataset_from_directory

从图片文件中生成一个tf.data.Dataset的类：自动划分训练集和验证集。

源码：tensorflow2.11版本：

def image_dataset_from_directory(
    directory,
    labels="inferred",
    label_mode="int",
    class_names=None,
    color_mode="rgb",
    batch_size=32,
    image_size=(256, 256),
    shuffle=True,
    seed=None,
    validation_split=None,
    subset=None,
    interpolation="bilinear",
    follow_links=False,
    crop_to_aspect_ratio=False,
    **kwargs,
):

参数：

1. directory: 数据所在目录。如果标签是“inferred”（默认），则它应该包含子目录，每个目录包含一个类的图像。否则，将忽略目录结构。 
2. labels: “inferred”（标签从目录结构生成），或者是整数标签的列表/元组，其大小与目录中找到的图像文件的数量相同。标签应根据图像文件路径的字母顺序排序（通过Python中的os.walk(directory)获得）。
3. label_mode:

•  'int'：表示标签被编码成整数（例如：sparse_categorical_crossentropy loss），y_true被编码成一个整数值。
• ‘categorical’指标签被编码为分类向量（例如：categorical_crossentropy loss），y_true是一个多分类的结果。
• ‘binary’意味着标签（只能有2个）被编码为值为0或1的float32标量（例如：binary_crossentropy）。
• None（无标签）

1. class_names: 仅当“labels”为“inferred”时有效。这是类名称的明确列表（必须与子目录的名称匹配）。用于控制类的顺序（否则使用字母数字顺序）。
2. color_mode: "grayscale"、"rgb"、"rgba"之一。默认值："rgb"。图像将被转换为1、3或者4通道。
3. batch_size: 数据批次的大小。默认值：32
4. image_size: 从磁盘读取数据后将其重新调整大小。默认：（256，256）。由于管道处理的图像批次必须具有相同的大小，因此该参数必须提供。
5. shuffle: 是否打乱数据。默认值：True。如果设置为False,则按字母数字顺序对数据进行排序。
6. seed: 用于shuffle和转换的可选随机种子。
7. validation_split: 0和1之间的可选浮点数，可保留一部分数据用于验证。
8. subset: "training"或"validation"之一。仅在设置validation_split时使用。
9. interpolation: 字符串,当调整图像大小时使用的插值方法。默认为：bilinear。支持bilinear, nearest, bicubic, area, lanczos3, lanczos5, gaussian, mitchellcubic.。
10. follow_links: 是否访问符号链接指向的子目录。默认：False。

生成器的Return返回值：

一个tf.data.Dataset对象。

1. 如果label_mode为None，它将生成float32张量，其shape为（batch_size, image_size[0], image_size(1), num_channels）,并对图像进行编码（有关num_channels的规则，参见下文）。
2. 否则，将生成一个元组（images, labels），其中图像的shape为（batch_size, image_size[0], image_size(1), num_channels），并且labels遵循下面描述的格式。

关于labels格式规则：

1. 如果label_mode 是 int, labels是形状为（batch_size, ）的int32张量
2. 如果label_mode 是 binary, labels是形状为（batch_size, 1）的1和0的float32张量。
3. 如果label_mode 是 categorial, labels是形状为（batch_size, num_classes）的float32张量，表示类索引的one-hot编码。（多分类）

自定义图片数据集生成器：

原始数据集图片文件夹的结构：data文件夹中有多少个子文件夹，就表明有多少个类。

文件命名建议使用英文。

 

def data_generate(data_dir,batch_size,img_height,img_width):

    train_dataset=tf.keras.preprocessing.image_dataset_from_directory(
        data_dir,
        label_mode='categorical',#生成多分类；标签被编码成分类向量； binary ;
        validation_split=0.2,
        batch_size=batch_size,
        shuffle=True,
        seed=120,
        subset='training',
        image_size=(img_height,img_width),
        # color_mode='rgb' #默认图片的是rgb
    )

    val_dataset=tf.keras.preprocessing.image_dataset_from_directory(
        data_dir,
        label_mode='categorical',
        validation_split=0.2,
        batch_size=batch_size,
        seed=120,
        shuffle=True,
        subset='validation',
        image_size=(img_height,img_width)
    )
    class_names=train_dataset.class_names #对应数据集的labels 值

    return train_dataset,val_dataset,class_names

调用时：只传入最外层的文件夹：data即可

 #生成数据集：
    train_dataset,val_dataset,class_names=data_generate('../data',10,224,224)

生成train_dataset是一个元组：(images,labels):

labels:

​
['lavender', 'peach_blossom', 'roses', 'sunflowers', 'tulip']

​