Keras flow_from_directory限制示例数量
Keras是一个开源的深度学习框架，flow_from_directory是Keras中用于从文件夹中读取图像数据并进行批量处理的函数。它可以根据文件夹的结构自动将图像数据加载到内存中，并进行预处理和数据增强操作。
在使用flow_from_directory函数时，可以通过设置参数来限制示例数量。具体来说，可以使用参数subset来指定要加载的数据子集，例如训练集、验证集或测试集。另外，还可以使用参数classes来指定要加载的类别，以及参数class_mode来指定类别的类型（例如二进制分类、多分类或多标签分类）。
以下是一个示例代码，展示了如何使用flow_from_directory函数限制示例数量：
from keras.preprocessing.image import ImageDataGenerator
# 创建ImageDataGenerator对象
datagen = ImageDataGenerator()
# 设置数据加载和预处理的参数
batch_size = 32
target_size = (224, 224)
# 从文件夹中加载训练集数据
train_generator = datagen.flow_from_directory(
directory='path/to/train_folder',
target_size=target_size,
batch_size=batch_size,
subset='training'
)
# 从文件夹中加载验证集数据
validation_generator = datagen.flow_from_directory(
directory='path/to/train_folder',
target_size=target_size,
batch_size=batch_size,
subset='validation'
)
# 从文件夹中加载测试集数据
test_generator = datagen.flow_from_directory(
directory='path/to/test_folder',
target_size=target_size,
batch_size=batch_size
)在上述代码中，subset参数被设置为'training'和'validation'，分别用于加载训练集和验证集数据。如果不需要限制示例数量，可以省略subset参数。
对于Keras相关的产品和产品介绍链接地址，可以参考腾讯云的AI智能服务中的相关产品，例如腾讯云的AI Lab、AI 机器学习平台等。这些产品提供了丰富的深度学习和人工智能服务，可以满足各种云计算领域的需求。
注意：根据要求，本回答不包含亚马逊AWS、Azure、阿里云、华为云、天翼云、GoDaddy、Namecheap、Google等流行的云计算品牌商的相关信息。
相关·内容
我想读取文件夹中呈现的多个图像，并连续地逐个处理它们。我使用keras和theano作为后端。我该怎么做呢？
浏览 0提问于2017-06-01得票数 2
2回答
卷积神经网络的交叉验证
、、、、
我正在使用Keras创建一个CNN模型，我将使用K-折叠交叉验证来训练数据集。
数据集包含图像，我正在使用flow_from_directory函数。
您知道如何在Keras中使用K折叠交叉验证来创建CNN模型吗？
浏览 0提问于2018-09-21得票数 3
我已经使用Keras训练了一个用于类化的ResNet50。为了进行测试，我使用ImageDataGenerator flow_from_directory()方法将输入传递给模型。这是它的代码：
testdata_generator = keras.preprocessing.image.ImageDataGenerator(
preprocessing_function=tf.keras.applications.resnet.preprocess_input
)
testgen = testdata_generator.flow_from_directory(
'
浏览 3提问于2022-01-27得票数 0
回答已采纳
我设置了featurewise_center = True，然后使用flow_from_directory在keras中设置了我的培训和验证数据。但是，我得到了错误
UserWarning: This ImageDataGenerator specifies `featurewise_center`,
but it hasn't been fit on any training data. Fit it first by calling `.fit(n
numpy_data)`
是否有任何方法可以使用flow_from_directory，然后根据需要对数据进行拟合？
浏览 1提问于2019-04-13得票数 6
我正在努力找出我需要在我的机器上训练神经网络的最小空间。通常情况下(图像)数据集的原始形式相对较小，但是当我们转换它们(在keras w/ flow_from_dir中)时，我们会增加图像，并将数据集的大小乘以我们的愿望。
我的问题是: flow_from_directory是如何存储增强图像的？如果我没有指定图像需要存储(类的参数)，那么keras是否会增加图像、训练和丢弃图像，或者是否保存了一段时间，直到培训结束为止？
另外，这些图像是在持久内存还是内存中？提前谢谢你。
浏览 0提问于2018-06-26得票数 0
回答已采纳
我正在尝试微调一个MobileNet，但是我收到了以下错误：
ValueError, Error when checking target: expected dense_1 to have 4 dimensions, but got array with shape (10, 14)
与我如何设置目录迭代器有任何冲突吗？
train_batches = ImageDataGenerator(preprocessing_function=keras.applications.mobilenet_v2.preprocess_input).flow_from_directory(
train_pa
浏览 1提问于2018-11-04得票数 0
回答已采纳
1回答
我有7类图像，我需要分类。每个类都有不同数量的样本。
75张图片
70幅图像
98幅图像
182幅图像
146幅图像
197幅图像
150幅图像
最后，我删除了所有类中的所有图像，直到70幅图像(50次培训和20次验证)。使用Keras、生成器和flow_from_directory方法，我能够对它们进行分类，但很明显，我不会获得很好的精度。我有个计划以后再增加数据。
我的问题是，我是否可以使用flow_from_directory方法为每个类使用不同数量的培训数据？这种方法有什么潜在的缺点吗？
例如：
55次培训- 20次验证
50次培训- 20次
浏览 5提问于2017-02-15得票数 2
我正在尝试使用Keras进行语义分割，当尝试加载图像时，我使用flow_from_directory方法得到了这个错误。 Found 0 images belonging to 0 classes.
Found 0 images belonging to 0 classes. 这是我的代码。 from tensorflow.keras.applications.resnet50 import preprocess_input
from tensorflow.keras.preprocessing.image import ImageDataGenerator
data_generator
浏览 77提问于2019-09-22得票数 6
回答已采纳
1回答
你好，我正在尝试建立一个使用Keras和CNN的图像分类器
我已经训练了一个二进制分类模型，它工作得很好。
我应用了相同的知识来构建一个使用多个类别的图像分类(这很糟糕)，我有5个类，我在jpeg目录中创建了5个文件夹，目录结构如下所示
C:\Users\jpeg
1.train
2.test
在火车文件夹中，我有5个子文件夹，每个文件夹对应一个类
C:\Users\jpeg\train
1.Auth_Docs
2.Certificates_Reports
3.Document
4.Title
5.communication
我在每个文件夹里放了合适的图片
在test文件夹中也遵循完全相同的结
浏览 0提问于2019-03-18得票数 1
我想做一个用户友好的GUI图像分类器，用户只需指向数据集的目录就可以训练模型，然后他们可以将任何图像提供给程序，它将在图像中显示对象的概率和标签。但是，如何在Keras中获得由.flow_from_directory函数ImageDataGenerator扫描的类的名称？
浏览 0提问于2019-07-06得票数 4
回答已采纳
我正在实现一个具有数据增强功能的两类cnn，但是，除非输出层由单个神经元组成，否则网络总是会抛出一个‘预期形状误差’。这是我的代码。
from keras.models import Sequential
from keras.models import Model
from keras.layers import Dense, Activation
from keras.preprocessing.image import ImageDataGenerator
from keras.optimizers import Adam
from keras.layers import Dense,
浏览 11提问于2019-11-13得票数 0
我有训练数据结构，这样的flow_from_directory可以使用，并训练网络以及。
现在，我希望使用GridSearchCV执行超参数调优。当将GridSearchCV与keras模型一起使用时，fit方法需要输入和标签的类似数组的对象。有没有什么方法可以使用flow_from_directory并执行超参数调整。
浏览 1提问于2017-09-18得票数 3
我注意到，对于我所见过的Keras的任何教程或示例，输入的图像都有编号，例如：
dog0001.jpg
dog0002.jpg
dog0003.jpg
..。
这有必要吗？
我正在处理一个具有相当随机文件名的图像数据集(类来自目录名)，例如：
picture_A2.jpg
image41110.jpg
cellofinterest9A.jpg
实际上，我想保留文件名，因为它们对我意味着什么，但我是否需要在图像文件中追加顺序编号呢？
浏览 0提问于2018-05-16得票数 0
回答已采纳
我正在尝试在Keras中微调和保存模型并加载它，但我得到了这个错误：
Value Error: You are trying to load a weight file containing 16 layers into a model with 0 layers.
我尝试了另一个型号的数字，当我尝试采用vgg16时，它没有错误地保存和加载模式，它给出了那个错误
我想要加载模型，但无法加载，因为这个错误。有人能帮上忙吗？
import keras
from keras.models import Sequential,load_model,model_from_json
from kera
浏览 0提问于2018-07-27得票数 6
我正在使用ImageDataGenerator和flow_from_directory在Keras中训练一个深度神经网络。数据位于一个文件夹中。因此，在使用ImageDataGenerator创建生成器时，我使用了validation_split=0.x。然后，我创建了两个流，一个用于训练，另一个用于验证，分别使用带有subset="training"和subset="validation"的flow_from_directory。
我想知道在创建ImageDataGenerator时，是否将任何指定的图像增强(变换)应用于训练和验证子集，还是仅应用于训练子集。
浏览 0提问于2018-06-07得票数 12
1回答
我想训练一个VAE有一个巨大的数据集，并决定使用VAE 为时尚MNIST和流行的修改使用我在github上找到的文件名。我的研究可乐笔记本是和的一个样本部分。
但是，按照keras 的说法，在编写VAE类时，它没有应该存在的调用函数。当子类对Model call 类进行子类分类时，应该实现call方法.。
class VAE(tf.keras.Model):
"""a basic vae class for tensorflow
Extends:
tf.keras.Model
"""
def __init__(self, **kwarg
浏览 0提问于2020-09-10得票数 1
回答已采纳
1回答
我正在尝试使用Colaboratory中的这段代码学习神经网络。代码运行时没有任何错误，但主要问题是--它学习起来太慢了(但参数不是太大)。
我有GPU作为‘硬件加速器’在协作室中的‘更改运行时间’的选项( Python 3)。我尝试过不同类型的tensorflow- gpu (就像在代码中一样)，看起来程序可以看到gpu，但由于某种原因它不使用gpu(我没有其他解释)。
如果您知道如何改进，更重要的是--加快速度，我将非常感激：)
#!pip install tf-nightly-gpu-2.0-preview
#!pip install tensorflow-gpu
#!pip insta
浏览 0提问于2019-07-12得票数 0
Keras中的flow_from_directory要求图像位于不同的子目录中。但是，我将图像放在一个目录中，其中包含一个csv文件，其中指定了图像名称和目标类。
如何直接从名为train.csv和test.csv的csv文件中使用目录流？
浏览 0提问于2018-03-02得票数 1
回答已采纳
我正在使用转移学习来建立一个有三个类别的模型。我不知道为什么我有一个错误，因为逻辑和标签。这是我的密码
baseModel = tf.keras.applications.VGG19(input_shape=(128,128,3), include_top=False, weights='imagenet')
baseModel.trainable = False
labels = ['glass', 'paper', 'plastic']
trainGenerator = ImageDataGenerator(preproces
浏览 5提问于2022-05-28得票数 1
我将Keras ImageDataGenerator与flow_from_directory结合使用。
对于训练数据，每个类文件夹都有10,000-20,000个jpg文件，有13个类。在培训过程中，虽然keras显示了一个时代，但我希望打印每个批中正在训练/使用哪些图像文件。我该怎么做？
谢谢
西迪
浏览 1提问于2019-08-19得票数 0
我第一次接触Keras和我的测试数据集使用roc曲线来评估我的模型的质量(模型是使用functional api完成的，在我的代码片段中被标识为"model“)。 我计划使用ROC曲线(使用来自scikit learn的roc_curve )。 示例： fpr_keras, tpr_keras, thresholds_keras = roc_curve(y_true,y_scores) 为此，正如文档所述，我需要真正的二进制标签(示例中的y_true)和目标分数(示例中的y_scores)。 但是我不知道如何从测试ImageDataGenerator中获得所有真正的二进制标签(tes
浏览 22提问于2019-04-25得票数 0
我在我的深度学习模型中使用了flow_from_directory()和fit_generator，我想使用交叉验证的方法来训练CNN模型。
datagen = ImageDataGenerator(rotation_range=15,width_shift_range=0.2,
height_shift_range=0.2,shear_range=0.2,
zoom_range=0.2,horizontal_flip=True,
浏览 0提问于2018-08-16得票数 13
1回答
如何在拟合我的模型后绘制混淆矩阵？
我的数据库是这样的：
train_path = '/content/drive/MyDrive/TCC_FILES/New_Dataset/train'
test_path = '/content/drive/MyDrive/TCC_FILES/New_Dataset/test'
valid_path = '/content/drive/MyDrive/TCC_FILES/New_Dataset/valid'
#New code
train_batches = ImageDataGenerator(pre
浏览 2提问于2022-10-01得票数 -1
这是来自https://keras.io/examples/vision/image_classification_from_scratch/的代码 import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
# generate a dataset
image_size = (180,180)
batch_size = 32
train_ds = tf.keras.preprocessing.image_dataset_from_directory(
"
浏览 425提问于2020-06-16得票数 6
我正在使用Keras创建一个深度学习模型，我想知道shuffle参数在fit_generator()方法中和shuffle参数在flow_from_directory()方法中有什么区别？
浏览 0提问于2018-11-06得票数 2
我是机器学习的新手，我有这个CNN模型来对7种乐器进行分类：{‘巴松管’：0，‘二胡’：1，‘长笛’：2，‘法国圆号’：3，‘吉他’：4，‘萨克斯’：5，‘小提琴’：6} 有1214张图片用于训练，1206张图片用于测试 这是我的模型： import tensorflow as tf
from tensorflow.keras.preprocessing.image import ImageDataGenerator
normalizedTrainingSet = ImageDataGenerator(rescale=1 / 255)
normalizedTestingSet = Ima
浏览 19提问于2020-12-13得票数 1
回答已采纳
在Keras中使用flow_from_directory的最简单方法是什么，同时限制每个子目录中使用的示例数量为某个数量的N？ 对于上下文，我希望能够使用总图像的一小部分用于测试目的，而不必为较小的数据集创建单独的顶级目录，因为我在培训期间从亚马逊网络服务S3桶中提取这些数据。
浏览 19提问于2019-01-12得票数 5
回答已采纳
我正在使用keras的ImageDataGenerator中的flow_from_directory来训练我的卷积神经网络。我从下载了ILSVRC2012镜像，正在尝试训练和验证我的网络。training文件夹将图像分类到相应的文件夹中，但验证图像没有分类到文件夹中，这使我无法使用flow_from_directory来测试验证的准确性。有没有简单的方法将验证数据分类到相应的文件夹中？
浏览 5提问于2017-07-25得票数 2
1回答
Adam优化器在中显示了错误
、、、、
我在训练一个神经网络来识别愤怒和快乐的情绪。守则：
import numpy as np
import tensorflow as tf
from tensorflow import keras
from tensorflow.python.keras.optimizer_v1 import Adam
from tensorflow.python.keras.models import Sequential
from tensorflow.python.keras.layers import Activation, Dense, MaxPool2D, Conv2D, Flatten
from
浏览 10提问于2022-09-24得票数 0
回答已采纳
我是新的迁移学习和美国有线电视新闻网的，只是玩美国有线电视新闻网，并得到这个error.Tried的许多解决方案，但没有一个工作。 import numpy as np
import keras
from keras import backend as k
from keras.layers.core import Dense
from keras.layers import Flatten
from keras.layers import GlobalMaxPooling2D
from keras.optimizers import Adam
from keras.metrics impo
浏览 9提问于2019-06-07得票数 0
1回答
我在Keras中使用flow_from_directory方法加载来自特定类别的图像，其中我的列车路径中的文件夹对应于不同的类。一切都很好。
我现在的情况是，由于注释错误，我想在分析期间删除特定的图像文件。同时，为了维护原始数据，我不想求助于从磁盘中删除图像。
另一方面，在没有删除图像的情况下创建一个新的文件结构将不需要添加磁盘内存。
我想知道Keras是否提供了一种输入在培训阶段应该忽略的图像文件名的简单列表，比如[example1.jpg, example9.jpg, example18.jpg]。在ImageDataGenerator或flow_from_directory过程中，是否有
浏览 2提问于2022-08-22得票数 0
Tensorflow/Keras
我想把图像分为“圆圈”、“正方形”或“三角形”。我有一个包含6个文件夹的目录，每个形状都有一个单独的“阴影”或“无阴影”文件夹。我如何将它们合并成一个类别？例如:阴影和无阴影的圆圈将被赋予标签"0“使用flow_from_directory。然后我会把它输入我的CNN模型，让它运行。
谢谢你的帮助！
浏览 3提问于2022-04-11得票数 0
回答已采纳
我是深度学习的新手，我想为斗鱼做图像分类项目，但我在使用gerator读取图像时遇到了代码问题，有人能帮我吗？
from tensorflow.keras.preprocessing.image import ImageDataGenerator
# All images will be rescaled by 1./255
train_datagen = ImageDataGenerator(rescale=1./255)
# Flow training images in batches of 128 using train_datagen generator
train_generato
浏览 0提问于2020-12-09得票数 0
我在为20节课写CNN分类器。正如标题中提到的，当我尝试fit我的模型时，这是我遇到的错误。
我已经检查了这个答案：，但是我已经(我想)设置了categorical转换。
这是我的密码：
1)成像仪：
apply_data_augmentation = True
if apply_data_augmentation:
train_datagen = ImageDataGenerator(rotation_range=10, #Training data generator + validation split (20%)
浏览 1提问于2019-11-18得票数 0
回答已采纳
在Keras的flow_from_directory中，参数设置所需的图像大小。默认值为256x256。在我的例子中，其他软件已经创建了全部为299x299并且已经是灰度的图像。因此，我的问题是Keras /TensorFlow的效率:如果我指定了299x299的图像大小，并指定了color_mode=grayscale，那么我希望Keras没有浪费任何时间来调整大小和计算灰度。真的是这样吗？
浏览 4提问于2020-04-10得票数 0
回答已采纳
任务:建立CNN模型(最好是Keras或TensorFlow)来预测CelebA数据集 (多标签图像分类)中与每个图像相关的标签。
过去，对于大多数多类/二值图像分类问题，在图像被正确地组织到单独的目录中之后，我会在Keras中使用ImageDataGenerator和.flow_from_directory来高效地输入图像。因此，在输入模型之前，我从不费心地将图像转换为numpy.arrary，除非我必须这样做，当然数据集也很小，这样我就可以在本地机器上轻松地完成它了。
然而，CelebA是一种多标签图像分类，每个图像都有40个标签(如微笑、眼镜、杨氏等属性)。这意味着我不能像以前那样将它们
浏览 0提问于2018-05-28得票数 3
回答已采纳
2回答
我正在尝试建立一个主要基于在线教程的神经网络。然而，我不断得到一个重复出现的主题
raise ImportError('Could not import PIL.Image. '
ImportError: Could not import PIL.Image. The use of `load_img` requires PIL.
我从其他类似的问题中尝试了很多东西。我已经尝试在conda中卸载并重新安装pillow。然后，我尝试在Pycharm Project解释器和终端上重新安装这个包。所有这些似乎都不起作用。
作为参考，下面是我的代码
import numpy as np
浏览 1提问于2019-12-04得票数 0
我是机器学习的新手，我正在用kaggle的笔记本编写代码。我正在用多个类别建立一个分类模型。我使用了效率网来构建我的模型的体系结构，但是这个问题发生在我尝试过的所有其他模型中。要分类的图像在dataset中的“列车”和“val”文件夹中进行划分。在这些文件夹中，它们位于各自类的文件夹中。
代码运行良好直到fit_generator，它给了我一个valueError "ValueError:不能广播输入数组从形状(224,224,3)到形状(224,224，3)“。
我已经附加了完整的代码、数据集和错误消息的图像。
我不知道代码或数据中有什么问题？请帮助我，并感谢您阅读这个问题，我很抱歉
浏览 6提问于2022-05-13得票数 0
1回答
我试图构建一个模型来帮助我识别多标签分类问题的图像，例如，如果我有猫、狗和牛的照片。我运行了一个CNN模型，但它根本没有捕捉到(给出了33%的精度)。有没有人可以分享一个有效的模型(即使精确度是合理的)？提前感谢大家！附加了我上面提到的代码
from keras.models import Sequential
from keras.layers import Dense, Dropout, Flatten, Conv2D, MaxPool2D,
BatchNormalization
from keras.callbacks import LearningRateScheduler
from
浏览 4提问于2018-09-22得票数 0
我有两个训练班:鸟类(100个样本)和no_birds(100个)样本。并且，该测试集是未标记的，由200个测试样本(与鸟类和no_birds混合)组成。对于测试集中的每一个样本，我打算使用带有Keras的CNN将其分类为鸟或no_bird。
import numpy as np
import keras
from keras import backend as K
from keras.models import Sequential
from keras.layers import Activation
from keras.layers.core import Dense, Flatte
浏览 1提问于2018-04-24得票数 0
回答已采纳
我有一个奇怪的错误，我似乎无法调试
#import all the necessary libraries and be specific so as to avoid wasting time importing everything
import sys
import matplotlib.pyplot as plt
import numpy as np
from tensorflow.keras.applications import VGG16
from tensorflow.keras import optimizers
import tensorflow as tf
from t
浏览 2提问于2021-12-05得票数 0
回答已采纳
随着Keras2在TensorFlow和TensorFlow 2.0中的实现即将到来，你是否应该将Keras ImageDataGenerator与flow_from_directory或TensorFlow的tf.data一起使用，后者现在也可以与Keras的fit_genearator一起使用？ 这两种方法将通过服务于不同的目的而占据一席之地，还是tf.data将成为新的方式，而Keras生成器将在未来被弃用？ 谢谢，我想走一条让我在这个快速发展的领域里跟得上时代的道路。
浏览 30提问于2019-04-11得票数 9
回答已采纳
EfficientNet模型被训练在3500张图像上，进行4级分类: A，B，C，而不是- with的精度达到0.985 -是别人而不是我。我对ML很陌生。所以我们有了这个模型，它运行得很好。
随着越来越多的真实世界的图像来自用户，我们看到更多的错误。是否可以通过增加更多的培训实例来提高性能呢？
收集并手动排序了35幅A类图像和425幅“两者都没有”的图像。对于这么小的数据集，它有什么意义吗？
我已经将图像放入一个文件夹中，其中有4个子文件夹，每个类一个。两个是空的，两个是有图像的。使用Keras ImageDataGenerator flow_from_directory()方法，验证/训练
浏览 0提问于2020-02-24得票数 0
我正在尝试使用Keras (版本: 2.5.0)加载，以便稍后提供给CNN模型。基本上，我会使用keras.preprocessing.image.ImageDataGenerator()和flow_from_directory()来加载和增强图像数据集。下面是一个例子：
from keras.preprocessing.image import ImageDataGenerator
train_datagen = ImageDataGenerator(rescale=1./255)
train_set = train_datagen.flow_from_directory(path_to_
浏览 1提问于2021-08-02得票数 2
回答已采纳
在使用Keras的flow_from_directory方法训练多类图像分类问题的模型时，predict_generator函数给出了类概率。
那么，我的问题是如何为这些类的概率获取相应的类标签呢？
浏览 0提问于2018-05-26得票数 7
回答已采纳
train_generator使用Keras flow_from_directory从磁盘读取批量的RGB图像数据(示例代码如下)。但在我的例子中，我有两个图像目录，所以我想读取一对图像，并将它们沿着深度轴堆叠起来，形成一个6通道图像(即2xR，2xG，2xB通道)，然后再转到fit_generator。 所以，我的问题是，如何在使用Keras flow_from_directory的同时，沿深度轴组合两个RGB图像，以准备6通道输入数据？ 下面是CNN的分类代码示例： https://gist.github.com/fchollet/0830affa1f7f19fd47b06d4cf89e
浏览 11提问于2019-05-14得票数 0
你好，我一直在做图像分类器，这些源代码来自我的学校，但是当我使用这些代码时，我不断地得到一个错误，源代码是多个图像分类器的源代码，我只是把分类改为二进制，我认为我做错了什么，但是做了什么？
import numpy as np
import keras
from keras.layers import Dense,GlobalAveragePooling2D
from keras.optimizers import Adam
from keras.preprocessing.image import ImageDataGenerator
from keras.models import Mod
浏览 2提问于2019-12-09得票数 2
回答已采纳
所以我试着为我的机器学习项目做一个分类报告它是一个使用单个符号作为数据集的本地语言翻译器(Python3.6)它可以向我显示准确性、混淆矩阵，但它不会显示我的F1分数和其他分类报告 import numpy
import numpy as np
from sklearn.linear_model import LogisticRegression
from tensorflow import keras, metrics
from tensorflow.keras.layers import Dense, GlobalAveragePooling2D
from tensorflow.kera
浏览 18提问于2020-01-28得票数 1
回答已采纳
我在文件夹中排序了一堆数据，如下所示：
我需要建立一个DataIterator来拟合神经网络模型中的数据。当数据是图像时，使用Keras类ImageDataGenerator及其方法flow_from_directory解决这个问题的例子很多，但当数据是csv结构时就没有了。
每个csv文件都是一个512x11浮点数数组，表示传感器所要求的功率。我考虑将每个CSV转换成图像格式，然后应用ImageDataGenerator类，但是压缩会导致信息丢失(在图像中，每个值由8位整数表示，而我的数据是32位浮点数)。
那么，在Keras中有一个等价的ImageDataGenerator来加载
浏览 0提问于2018-12-05得票数 4
回答已采纳
1回答
我已经使用ImageDataGenerator类及其来自Tensorflow Keras的flow_from_directory方法创建了Python图像数据生成器，如下所示。我想在单独的Python文件中执行图像预处理和模型构建，所以我必须保存这些生成器(train_generator、val_generator和test_generator对象)，然后将它们加载到模型构建文件中。我该怎么做呢？
train_datagen = ImageDataGenerator(rescale=1./255)
train_generator = train_datagen.flow_from_direct
浏览 37提问于2021-11-10得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
