tf.keras.preprocessing.image.DirectoryIterator

Итератор, способный читать изображения из каталога на диске.

Наследуется от: Iterator, Sequence

Просмотр псевдонимов

Псевдонимы для миграции

См. Руководство по миграции для получения более подробной информации.

tf.compat.v1.keras.preprocessing.image.DirectoryIterator

tf.keras.preprocessing.image.DirectoryIterator(
    directory,
    image_data_generator,
    target_size=(256, 256),
    color_mode='rgb',
    classes=None,
    class_mode='categorical',
    batch_size=32,
    shuffle=True,
    seed=None,
    data_format=None,
    save_to_dir=None,
    save_prefix='',
    save_format='png',
    follow_links=False,
    subset=None,
    interpolation='nearest',
    keep_aspect_ratio=False,
    dtype=None
)

Аргументы
`directory`	Путь к каталогу для чтения изображений. Каждый подкаталог в этом каталоге будет рассматриваться как содержащий изображения из одного класса, или же вы можете указать подкаталоги классов с помощью аргумента `classes`.
`image_data_generator`	Экземпляр `ImageDataGenerator` для использования в случайных преобразованиях и нормализации.
`target_size`	Кортеж целых чисел, размер для изменения входных изображений.
`color_mode`	Один из `"rgb"`, `"rgba"`, `"grayscale"`. Режим цвета для чтения изображений.
`classes`	Необязательный список строк, имена подкаталогов, содержащих изображения каждого класса (например, `["dogs", "cats"]`). Он будет вычислен автоматически, если не задан.
`class_mode`	Режим предоставления целевых данных: `"binary"`: бинарные целевые значения (если существует только два класса), `"categorical"`: категориальные целевые значения, `"sparse"`: целочисленные целевые значения, `"input"`: целевые значения — изображения, идентичные входным изображениям (в основном используется для работы с автоэнкодерами), `None`: целевые значения не предоставляются (предоставляются только входные изображения).
`batch_size`	Целое число, размер пакета.
`shuffle`	Булево значение, перемешивать ли данные между эпохами.
`seed`	Случайное семя для перемешивания данных.
`data_format`	Строка, один из `channels_first`, `channels_last`.
`save_to_dir`	Необязательный каталог, в котором сохраняются сгенерированные изображения, в отображаемом формате. Это полезно для визуализации применяемых случайных преобразований в отладочных целях.
`save_prefix`	Префикс строки для сохранения образцов изображений (если `save_to_dir` задан).
`save_format`	Формат для сохранения образцов изображений (если `save_to_dir` задан).
`subset`	Подмножество данных (`"training"` или `"validation"`) если validation_split установлен в ImageDataGenerator.
`interpolation`	Метод интерполяции, используемый для повторной выборки изображения, если размер целевого изображения отличается от загруженного. Поддерживаемые методы: «ближайший», «билинейный» и «бикубический». Если установлен PIL версии 1.1.3 или выше, также поддерживается «ланцош». Если установлен PIL версии 3.4.0 или выше, также поддерживаются «box» и «hamming». По умолчанию используется «ближайший».
`keep_aspect_ratio`	Булево значение, нужно ли изменять размер изображений до целевого размера без искажения соотношения сторон. Изображение обрезается по центру с целевым соотношением сторон перед изменением размера.
`dtype`	Тип данных для используемых сгенерированных массивов.

Атрибуты
`filepaths`	Список абсолютных путей к файлам изображений.
`labels`	Метки классов каждой наблюдения.
`sample_weight`

Методы

`next`

Просмотреть исходный код

next()

Для python 2.x.

Возвращаемое значение
Следующая партия.

`on_epoch_end`

Просмотреть исходный код

on_epoch_end()

Метод, вызываемый в конце каждой эпохи.

`reset`

Просмотреть исходный код

reset()

`set_processing_attrs`

Просмотреть исходный код

set_processing_attrs(
    image_data_generator,
    target_size,
    color_mode,
    data_format,
    save_to_dir,
    save_prefix,
    save_format,
    subset,
    interpolation,
    keep_aspect_ratio
)

Устанавливает атрибуты, которые будут использоваться для обработки файлов в пакет.

Аргументы
`image_data_generator`	Экземпляр `ImageDataGenerator` для использования случайных преобразований и нормализации.
`target_size`	Кортеж целых чисел, размер для изменения входных изображений.
`color_mode`	Один из `"rgb"`, `"rgba"`, `"grayscale"`. Режим цвета для чтения изображений.
`data_format`	Строка, один из `channels_first`, `channels_last`.
`save_to_dir`	Необязательная директория, куда сохраняются изображения, в формате для просмотра. Это полезно для визуализации случайных преобразований, применяемых для отладки.
`save_prefix`	Префикс строки для сохранения образцов изображений (если `save_to_dir` установлено).
`save_format`	Формат для сохранения образцов изображений (если `save_to_dir` установлено).
`subset`	Подмножество данных (`"training"` или `"validation"`) если validation_split установлен в ImageDataGenerator.
`interpolation`	Метод интерполяции, используемый для повторной выборки изображения, если целевой размер отличается от размера загруженного изображения. Поддерживаемые методы: "nearest", "bilinear" и "bicubic". Если установлена версия PIL 1.1.3 или новее, также поддерживается "lanczos". Если установлена версия PIL 3.4.0 или новее, также поддерживаются "box" и "hamming". По умолчанию используется "nearest".
`keep_aspect_ratio`	Булево значение, следует ли изменять размер изображений до целевого размера без искажения соотношения сторон. Изображение обрезается по центру с целевым соотношением сторон перед изменением размера.

`getitem`

Просмотреть исходный код

__getitem__(
    idx
)

Получает пакет на позиции index.

Аргументы
`index`	Позиция пакета в последовательности.

Возвращаемое значение
Пакет

`iter`

Просмотреть исходный код

__iter__()

Создает генератор, который итерируется по последовательности.

`len`

Просмотреть исходный код

__len__()

Количество пакетов в последовательности.

Возвращаемое значение
Количество пакетов в последовательности.

Переменные класса
allowed_class_modes	{ 'binary', 'categorical', 'input', 'sparse', None }
white_list_formats	`('png', 'jpg', 'jpeg', 'bmp', 'ppm', 'tif', 'tiff')`

© 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/versions/r2.9/api_docs/python/tf/keras/preprocessing/image/DirectoryIterator