►
Keras 3 API 文档 /
数据加载
数据加载
Keras 数据加载工具，位于 keras.utils 中，帮助你从磁盘上的原始数据转到可以有效训练模型的 tf.data.Dataset 对象。
这些加载工具可以与 预处理层 结合使用，以进一步转换你的输入数据集，然后再进行训练。
这里有一个快速示例：假设你有 10 个文件夹，每个文件夹包含来自不同类别的 10,000 张图像，你想训练一个将图像映射到其类别的分类器。
你的训练数据文件夹将如下所示：
training_data/
...class_a/
......a_image_1.jpg
......a_image_2.jpg
...class_b/
......b_image_1.jpg
......b_image_2.jpg
等等。
你也可以有一个结构相同的验证数据文件夹 validation_data/。
你可以简单地这样做：
import keras
train_ds = keras.utils.image_dataset_from_directory(
directory='training_data/',
labels='inferred',
label_mode='categorical',
batch_size=32,
image_size=(256, 256))
validation_ds = keras.utils.image_dataset_from_directory(
directory='validation_data/',
labels='inferred',
label_mode='categorical',
batch_size=32,
image_size=(256, 256))
model = keras.applications.Xception(
weights=None, input_shape=(256, 256, 3), classes=10)
model.compile(optimizer='rmsprop', loss='categorical_crossentropy')
model.fit(train_ds, epochs=10, validation_data=validation_ds)
可用的数据集加载工具
图像数据加载
- image_dataset_from_directory function
- load_img function
- img_to_array function
- save_img function
- array_to_img function