tf.keras.preprocessing.image_dataset_from_directory

Создает tf.data.Dataset из файлов изображений в каталоге.

Просмотреть псевдонимы

Основные псевдонимы

tf.keras.utils.image_dataset_from_directory

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,
    crop_to_aspect_ratio=False,
    pad_to_aspect_ratio=False,
    data_format=None,
    verbose=True
)

Используется в блокнотах

Используется в учебных руководствах
Классификация изображений Перенос обучения и тонкая настройка Перенос обучения с TensorFlow Hub Загрузка и предварительная обработка изображений Повторное обучение классификатора изображений

Если структура каталогов выглядит так:

main_directory/
...class_a/
......a_image_1.jpg
......a_image_2.jpg
...class_b/
......b_image_1.jpg
......b_image_2.jpg

Тогда вызов image_dataset_from_directory(main_directory, labels='inferred') вернет tf.data.Dataset, который выдает пакеты изображений из подкаталогов class_a и class_b вместе с метками 0 и 1 (0 соответствует class_a, а 1 — class_b).

Поддерживаемые форматы изображений: .jpeg, .jpg, .png, .bmp, .gif. Анимированные GIF-файлы усекаются до первого кадра.

Аргументы
`directory`	Каталог, в котором находятся данные. Если `labels` имеет значение `"inferred"`, он должен содержать подкаталоги, в каждом из которых находятся изображения одного класса. В противном случае структура каталогов игнорируется.
`labels`	Либо `"inferred"` (метки формируются на основе структуры каталогов), `None` (без меток) или список/кортеж целочисленных меток, размер которого совпадает с количеством файлов изображений, найденных в каталоге. Метки должны быть отсортированы в алфавитно-цифровом порядке путей к файлам изображений (полученных с помощью `os.walk(directory)` в Python).
`label_mode`	Строка, описывающая кодирование `labels`. Доступны следующие варианты: `"int"`: метки кодируются как целые числа (например, для функции потерь `sparse_categorical_crossentropy`). `"categorical"`: метки кодируются как категориальный вектор (например, для функции потерь `categorical_crossentropy`). `"binary"`: метки (их может быть только 2) кодируются как скаляры `float32` со значениями 0 или 1 (например, для `binary_crossentropy`). `None` (без меток).
`class_names`	Допустимо только если `labels` имеет значение `"inferred"`. Это явный список имен классов (они должны совпадать с именами подкаталогов). Используется для управления порядком классов (в противном случае применяется алфавитно-цифровая сортировка).
`color_mode`	Одно из значений: `"grayscale"`, `"rgb"`, `"rgba"`. По умолчанию — `"rgb"`. Определяет, будут ли изображения преобразованы к формату с 1, 3 или 4 каналами.
`batch_size`	Размер пакетов данных. По умолчанию — 32. Если задано значение `None`, данные не будут разбиты на пакеты (набор данных будет выдавать отдельные примеры).
`image_size`	Размер, до которого изменяются изображения после чтения с диска; указывается как `(height, width)`. По умолчанию — `(256, 256)`. Поскольку конвейер обрабатывает пакеты изображений, все изображения в которых должны иметь одинаковый размер, это значение необходимо указать.
`shuffle`	Нужно ли перемешивать данные. По умолчанию — `True`. Если задано значение `False`, данные сортируются в алфавитно-цифровом порядке.
`seed`	Необязательное начальное значение генератора случайных чисел для перемешивания и преобразований.
`validation_split`	Необязательное число с плавающей точкой от 0 до 1, задающее долю данных, резервируемых для проверки.
`subset`	Подмножество данных, которое необходимо вернуть. Одно из значений: `"training"`, `"validation"` или `"both"`. Используется только если задано `validation_split`. Если задано значение `subset="both"`, функция возвращает кортеж из двух наборов данных (соответственно обучающего и проверочного).
`interpolation`	Строка с методом интерполяции, используемым при изменении размера изображений. По умолчанию — `"bilinear"`. Поддерживаются методы `"bilinear"`, `"nearest"`, `"bicubic"`, `"area"`, `"lanczos3"`, `"lanczos5"`, `"gaussian"`, `"mitchellcubic"`.
`follow_links`	Нужно ли переходить в подкаталоги, на которые указывают символические ссылки. По умолчанию — `False`.
`crop_to_aspect_ratio`	Если задано значение `True`, изменяет размер изображений без искажения соотношения сторон. Если исходное соотношение сторон отличается от целевого, выходное изображение обрезается, чтобы вернуть максимально возможную область изображения (размером `image_size`), соответствующую целевому соотношению сторон. По умолчанию (`crop_to_aspect_ratio=False`) соотношение сторон может не сохраняться.
`pad_to_aspect_ratio`	Если задано значение `True`, изменяет размер изображений без искажения соотношения сторон. Если исходное соотношение сторон отличается от целевого, к выходному изображению добавляются поля, чтобы вернуть максимально возможную область изображения (размером `image_size`), соответствующую целевому соотношению сторон. По умолчанию (`pad_to_aspect_ratio=False`) соотношение сторон может не сохраняться.
`data_format`	Если значение равно None, используется keras.config.image_data_format(); в противном случае допустимы значения 'channel_last' или 'channel_first'.
`verbose`	Нужно ли отображать сведения о количестве классов и найденных файлов. По умолчанию — `True`.

Возвращаемое значение

Объект tf.data.Dataset.

Если label_mode имеет значение None, он выдает тензоры float32 формы (batch_size, image_size[0], image_size[1], num_channels), содержащие изображения (правила для num_channels см. ниже).
В противном случае он выдает кортеж (images, labels), где images имеет форму (batch_size, image_size[0], image_size[1], num_channels), а labels соответствует формату, описанному ниже.

Правила для формата меток:

если label_mode имеет значение "int", метки представляют собой тензор int32 формы (batch_size,).
если label_mode имеет значение "binary", метки представляют собой тензор float32 из единиц и нулей формы (batch_size, 1).
если label_mode имеет значение "categorical", метки представляют собой тензор float32 формы (batch_size, num_classes), содержащий унитарное кодирование индекса класса.

Правила для количества каналов в возвращаемых изображениях:

если color_mode имеет значение "grayscale", тензоры изображений содержат 1 канал.
если color_mode имеет значение "rgb", тензоры изображений содержат 3 канала.
если color_mode имеет значение "rgba", тензоры изображений содержат 4 канала.

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/keras/preprocessing/image_dataset_from_directory