- ? 运行环境：python3
- ? 作者：K同学啊
- ? 精选专栏：《深度学习100例》
- ? 推荐专栏：《新手入门深度学习》
- ? 选自专栏：《Matplotlib教程》
- ? 优秀专栏：《Python入门100题》
函数原型
tf.keras.preprocessing.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,
)
官网地址：https://tensorflow.google.cn/api_docs/python/tf/keras/preprocessing/image_dataset_from_directory
作用
将文件夹中的数据加载到tf.data.Dataset中，且加载的同时会打乱数据。
注： 如果你的目录结构是：
main_directory/
…class_a/
…a_image_1.jpg
…a_image_2.jpg
…class_b/
…b_image_1.jpg
…b_image_2.jpg
然后调用 image_dataset_from_directory(main_directory, labels=‘inferred’) 将返回一个tf.data.Dataset, 该数据集从子目录class_a和class_b生成批次图像，同时生成标签0和1（0对应class_a，1对应class_b），
支持的图像格式：jpeg, png, bmp, gif. 动图被截断到第一帧。
参数
- 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。 - 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）。 - label_mode:
int：标签将被编码成整数（使用的损失函数应为：sparse_categorical_crossentropy loss）。categorical：标签将被编码为分类向量（使用的损失函数应为：categorical_crossentropy loss）。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）。
- 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）。 - 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。 - batch_size: 数据批次的大小。默认值：
32 - 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。 - 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。 - seed: 用于shuffle和转换的可选随机种子。
- 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。
- subset:
training或validation之一。仅在设置validation_split时使用。 - 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。 - follow_links: 是否访问符号链接指向的子目录。默认：
False。
Returns
一个tf.data.Dataset对象。
- 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。
- 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：
- 如果label_mode 是 int, labels是形状为（batch_size, ）的int32张量
- 如果label_mode 是 binary, labels是形状为（batch_size, 1）的1和0的float32张量。
- 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。
有关生成图像中通道数量的规则：
- 如果color_mode 是 grayscale, 图像张量有1个通道。
- 如果color_mode 是 rgb, 图像张量有3个通道。
- 如果color_mode 是 rgba, 图像张量有4个通道。