tf.keras.preprocessing.image_dataset_from_directory

Создаёт набор данных tf.data.Dataset из файлов изображений в директории.

Просмотр псевдонимов

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 учебниках
Классификация изображений Перенос обучения и дообучение Перенос обучения с помощью TensorFlow Hub Загрузка и предварительная обработка изображений Переобучение классификатора изображений

Если структура вашей директории выглядит следующим образом:

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') вернёт набор данных tf.data.Dataset, который возвращает пакеты изображений из поддиректорий class_a и class_b, вместе с метками 0 и 1 (0 соответствует class_a, а 1 соответствует class_b).

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

Аргументы
`directory`	Директория, в которой расположены данные. Если `labels` равен `"inferred"`, она должна содержать поддиректории, каждая из которых содержит изображения для класса. В противном случае структура директорий игнорируется.
`labels`	Либо `"inferred"` (метки генерируются из структуры директорий), либо `None` (без меток), либо список/кортеж целочисленных меток того же размера, что и количество файлов изображений, найденных в директории. Метки должны быть отсортированы в соответствии с алфавитно-цифровым порядком путей к файлам изображений (полученными с помощью `os.walk(directory)` в Python).
`label_mode`	Строка, описывающая кодировку `labels`. Доступные варианты: `"int"`: означает, что метки закодированы как целые числа (например, для `sparse_categorical_crossentropy` потери). `"categorical"` означает, что метки закодированы как категориальный вектор (например, для `categorical_crossentropy` потери). `"binary"` означает, что метки (может быть только 2) закодированы как `float32` скаляры со значениями 0 или 1 (например, для `binary_crossentropy`). `None` (без меток).
`class_names`	Только если `labels` равно `"inferred"`. Это явный список имён классов (должен совпадать с именами поддиректорий). Используется для управления порядком классов (в противном случае используется алфавитно-цифровой порядок).
`color_mode`	Один из `"grayscale"`, `"rgb"`, `"rgba"`. По умолчанию `"rgb"`. Определяет, будут ли изображения преобразованы для получения 1, 3 или 4 каналов.
`batch_size`	Размер пакетов данных. По умолчанию 32. Если `None`, данные не будут сгруппированы в пакеты (набор данных будет возвращать отдельные образцы).
`image_size`	Размер, до которого будут изменены изображения после их чтения с диска, заданный как `(height, width)`. По умолчанию `(256, 256)`. Поскольку конвейер обрабатывает пакеты изображений, которые должны иметь одинаковый размер, это значение должно быть предоставлено.
`shuffle`	Нужно ли перемешивать данные. По умолчанию `True`. Если установлено в `False`, данные сортируются в алфавитно-цифровом порядке.
`seed`	Необязательное случайное семя для перемешивания и преобразований.
`validation_split`	Необязательное число с плавающей запятой от 0 до 1, доля данных, которые необходимо зарезервировать для проверки.
`subset`	Подмножество данных для возврата. Один из `"training"`, `"validation"` или `"both"`. Используется только если `validation_split` установлено. Если `subset="both"`, утилита возвращает кортеж из двух наборов данных (тренировочные и проверочные наборы данных соответственно).
`interpolation`	Строка, метод интерполяции, используемый при изменении размера изображений. По умолчанию `"bilinear"`. Поддерживает `"bilinear"`, `"nearest"`, `"bicubic"`, `"area"`, `"lanczos3"`, `"lanczos5"`, `"gaussian"`, `"mitchellcubic"`.
`follow_links`	Нужно ли посещать поддиректории, на которые указывают символические ссылки. По умолчанию `False`.
`crop_to_aspect_ratio`	Если `True`, изменяет размер изображений без искажения соотношения сторон. Если исходное соотношение сторон отличается от целевого соотношения сторон, выходное изображение будет обрезано так, чтобы вернуть наибольшее возможное окно в изображении (размером `image_size`), которое соответствует целевому соотношению сторон. По умолчанию (`crop_to_aspect_ratio=False`), соотношение сторон может не сохраняться.
`pad_to_aspect_ratio`	Если `True`, изменяет размер изображений без искажения соотношения сторон. Если исходное соотношение сторон отличается от целевого соотношения сторон, выходное изображение будет дополнено так, чтобы вернуть наибольшее возможное окно в изображении (размером `image_size`), которое соответствует целевому соотношению сторон. По умолчанию (`pad_to_aspect_ratio=False`), соотношение сторон может не сохраняться.
`data_format`	Если None, использует keras.config.image_data_format(), иначе либо 'channel_last', либо 'channel_first'.
`verbose`	Нужно ли отображать информацию о количестве классов и количестве найденных файлов. По умолчанию `True`.

Возвращает

Объект tf.data.Dataset.

Если label_mode равно None, он возвращает float32 тензоры формы (batch_size, image_size[0], image_size[1], num_channels), кодирующие изображения (правила, касающиеся num_channels, см. ниже).
В противном случае он возвращает кортеж (images, labels), где images имеет форму (batch_size, image_size[0], image_size[1], num_channels), а labels следует формату, описанному ниже.

Правила относительно формата меток:

Если label_mode равно "int", метки — это int32 тензор формы (batch_size,).
Если label_mode равно "binary", метки — это float32 тензор из 1 и 0 формы (batch_size, 1).
Если label_mode равно "categorical", метки — это float32 тензор формы (batch_size, num_classes), представляющий одно-горячее кодирование индекса класса.

Правила относительно количества каналов на возвращаемых изображениях:

Если color_mode равно "grayscale", в тензорах изображений есть 1 канал.
Если color_mode равно "rgb", в тензорах изображений есть 3 канала.
Если color_mode равно "rgba", в тензорах изображений есть 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