如何使用TensorFlow加载花卉数据集并进行处理？

我们将使用花卉数据集，其中包含数千张花卉图像。它包含5个子目录，每个类别都有一个子目录。

阅读更多： 什么是TensorFlow以及Keras如何与TensorFlow一起创建神经网络？

使用‘get_file’方法下载花卉数据集后，它将被加载到环境中以进行处理。加载参数已明确说明，加载的数据被分成训练集和验证集。

我们使用Google Colaboratory运行以下代码。Google Colab或Colaboratory帮助在浏览器上运行Python代码，无需任何配置，并且可以免费访问GPU（图形处理单元）。Colaboratory构建在Jupyter Notebook之上。

print("Loading parameters for the loader")
batch_size = 32
img_height = 180
img_width = 180

print("Preprocessing the image dataset using Keras")
print("Splitting dataset into training and validation set ")

train_ds = tf.keras.preprocessing.image_dataset_from_directory(
   data_dir,
   validation_split=0.2,
   subset="training",
   seed=123,
   image_size=(img_height, img_width),
   batch_size=batch_size)

print("Splitting dataset into training and validation set ")
val_ds = tf.keras.preprocessing.image_dataset_from_directory(
   data_dir,
   validation_split=0.2,
   subset="validation",
   seed=123,
   image_size=(img_height, img_width),
   batch_size=batch_size)

print("Printing the class names present in sub-directories")
class_names = train_ds.class_names
print(class_names)

代码来源：https://tensorflowcn.cn/tutorials/load_data/images

输出

Loading parameters for the loader
Preprocessing the image dataset using Keras
Splitting dataset into training and validation set
Found 3670 files belonging to 5 classes.
Using 2936 files for training.
Splitting dataset into training and validation set
Found 3670 files belonging to 5 classes.
Using 734 files for validation.
Printing the class names present in sub-directories
['daisy', 'dandelion', 'roses', 'sunflowers', 'tulips']

解释

  • 参数已定义。
  • 数据集被分成训练集和验证集。
  • 每张图像分类的类别名称将显示在控制台上。

更新于：2021年2月19日

153 次浏览

启动您的职业生涯

通过完成课程获得认证

开始学习
广告