flow-from-dataframe的坑

**

flow-from-dataframe的坑

**

首先是keras版本问题

第一次使用flow-from-dataframe是因为数据集里边有一个CSV文件，放着图片名和标签，所以进行数据扩增的时候就用这个，我以为是flow-from-directory，所以改了半天都不知道怎么回事，后来问了大神才知道是因为keras版本的问题，要用2.2.4的才可以，pycharm上换版本挺方便的，我这小白很喜欢，用着不会出错哈哈，就试着换了下，居然成功了。因为突然改变了keras的版本，所以TensorFlow开始出错，不得不提TensorFlow版本，我用的1.12才可以，cuda 9.+，cvDNN V7+，代码才可以继续运行。
具体的版本对应可以看大佬们贴出来的照片
干货：TensorFlow1.2~2.1各个GPU版本CUDA和cuDNN对应版本整理
【Python】keras和tensorflow的版本对应关系

参数问题

只记几个常用的吧

 flow_from_dataframe(
    dataframe:          Pandas dataframe，一列为图像的文件名，另一列为图像的类别， 或者是可以作为原始目标数据多个列，其实就是用pandas读出的CSV文件。
    directory:          字符串，目标目录的真实路径，其中包含在 dataframe 中映射的所有图像
    x_col='filename',   字符串，dataframe 中包含目标图像文件夹的目录的列，在pandas读的时候记着加上dtype=str
    y_col='class',      字符串或字符串列表，dataframe 中将作为目标数据的列名，标签那一列。
    target_size=(256, 256), 整数元组 (height, width)，默认为 (256, 256)。 所有找到的图都会调整到这个维度。
    color_mode='rgb',   "grayscale", "rbg" 之一。默认："rgb"。 图像是否转换为 1 个或 3 个颜色通道。
    classes=None,        可选的类别列表 (例如， ['dogs', 'cats'])。默认：None。 
                         如未提供，类比列表将自动从 y_col 中推理出来，y_col 将会被映射为类别索引）。 
                         包含从类名到类索引的映射的字典可以通过属性 class_indices 获得。
    class_mode='categorical':  "categorical", "binary", "sparse", "input", "other" or None 之一。 默认："categorical"。决定返回标签数组的类型：
								"categorical" 将是 2D one-hot 编码标签，好像多分类标签用这个，
								"binary" 将是 1D 二进制标签，
								"sparse" 将是 1D 整数标签，
								"input" 将是与输入图像相同的图像（主要用于与自动编码器一起使用），
								"other" 将是 y_col 数据的 numpy 数组，
								None, 不返回任何标签（生成器只会产生批量的图像数据，这对使用 model.predict_generator(), model.evaluate_generator() 等很有用）。
    batch_size=32,        批量数据的尺寸（默认：32）。
    shuffle=True,         是否混洗数据（默认：True）
    seed=None,            可选的混洗和转换的随即种子。
    save_to_dir=None,     None 或 str (默认: None). 这允许你可选地指定要保存正在生成的增强图片的目录（用于可视化您正在执行的操作）。
    save_prefix='',       字符串。保存图片的文件名前缀（仅当 save_to_dir 设置时可用）。
    save_format='png',    "png", "jpeg" 之一（仅当 save_to_dir 设置时可用）。默认："png"。
    subset=None,           数据子集 ("training" 或 "validation")，如果在 ImageDataGenerator 中设置了 validation_split。
    interpolation='nearest' 在目标大小与加载图像的大小不同时，用于重新采样图像的插值方法。 
                            支持的方法有 "nearest", "bilinear", and "bicubic"。 如果安装了 1.1.3 以上版本的 PIL 的话，同样支持 "lanczos"。 
                            如果安装了 3.4.0 以上版本的 PIL 的话，同样支持 "box" 和 "hamming"。 默认情况下，使用 "nearest"。)