数据预处理

最新推荐文章于 2024-03-08 06:00:00 发布

Skey_He

最新推荐文章于 2024-03-08 06:00:00 发布

阅读量412

点赞数

文章标签：深度学习

本文链接：https://blog.csdn.net/u013598629/article/details/108399496

版权

本文介绍了在深度学习中，如何对图像数据进行预处理，包括读取JPEG文件、解码、转换为浮点数张量并缩放像素值。Keras的`ImageDataGenerator`类提供了自动化这一过程的工具，它可以生成预处理后的张量批量，用于模型训练。通过`fit_generator`方法，模型可以使用该生成器进行拟合，并通过指定`steps_per_epoch`参数来控制每轮训练中使用的样本数量。

摘要由CSDN通过智能技术生成

我们已经知道，将数据输入神经网络之前，应该将数据格式化为经过预处理的浮点数张量。现在，数据以JPEG文件的形式保存在硬盘中，所以数据预处理步骤大致如下。

读取图像文件。
将JPEG文件解码为RGB像素网格。
将这些像素网格转换为浮点数张量。
将像素值(0-255范围内)缩放到[0,1]区间(正如你所知，神经网络喜欢处理较小的输入值)。

这些步骤可能看起来有点吓人，但是Keras拥有自动完成这些步骤的工具。Keras有一个图像处理辅助工具的模块，位于keras.preprocessing.image。特别地，它包含ImageDataGenerator类，可以快速创建Python生成器，能够将硬盘上的图像文件自动转换为预处理好的张量批量。下面我们将用到这个类。

from keras.preprocessing.image import ImageDataGenerator

train_datagen = ImageDataGenerator(rescale=1./255)
test_datagen = ImageDataGenerator(rescale=1./255)

train_generator = train_datagen.flow_from_directory(
                        train_dir,
                        target_size = (150,150),
                        batch_size = 20,
                        class_mode='binary')
validation_generator = test_datagen.flow_from_directory(

最低0.47元/天解锁文章