Keras - flow_from_directory:如何获取每个类别的样本数量？

Keras是一个开源的深度学习框架，它提供了一种简单而高效的方式来构建和训练神经网络模型。在Keras中，使用flow_from_directory函数可以从目录中读取图像数据，并自动将其转换为模型所需的格式。如果想要获取每个类别的样本数量，可以使用flow_from_directory函数的class_indices属性。

class_indices属性是一个字典，它将类别名称映射到对应的索引值。通过遍历这个字典，可以获取每个类别的样本数量。以下是一个示例代码：

from keras.preprocessing.image import ImageDataGenerator

# 定义图像生成器
datagen = ImageDataGenerator()

# 从目录中读取图像数据
data_generator = datagen.flow_from_directory(
    directory='path/to/dataset',
    target_size=(224, 224),
    batch_size=32,
    class_mode='categorical')

# 获取类别名称和对应的索引值
class_indices = data_generator.class_indices

# 遍历字典，获取每个类别的样本数量
for class_name, class_index in class_indices.items():
    # 使用class_index作为过滤条件，获取对应类别的样本数量
    num_samples = len(data_generator.labels[data_generator.labels == class_index])
    print(f"类别 {class_name} 的样本数量为 {num_samples} 个")

在上述代码中，首先定义了一个图像生成器datagen，然后使用flow_from_directory函数从指定目录中读取图像数据。接着，通过class_indices属性获取类别名称和对应的索引值。最后，使用索引值作为过滤条件，统计每个类别的样本数量并打印输出。

对于腾讯云相关产品和产品介绍链接地址，由于要求不能提及具体的云计算品牌商，无法给出具体的链接地址。但腾讯云提供了一系列与云计算相关的产品和服务，例如云服务器、云数据库、人工智能平台等，可以通过访问腾讯云官方网站获取更多详细信息。