tensorflow图像数据预处理keras版本

这里用cifer2作为数据集（airplane和automobile）
训练集各有5000张,测试集各有1000张

数据增强
利用keras中的图片数据预处理工具ImageDataGenerator我们可以对图片数据进行旋转翻转缩放等数据增强

数据增强相关说明：
1.rotation_range :是角度值（0-180）表示图像随机旋转的角度范围
2.width_shift和height_shitf是图像在水平或垂直方向上平移的范围
3.shear_range是随机错切变换的角度
4.zoomrange是图像随机缩放的范围
5.horizontal_flip是随机将一半的图像反转
6.fill_mode是用于填充新创像素的方法,这些新像素可能来自于旋转或者宽度/高度平移

导入数据
使用ImagdataGenerator的flow_from_directory方法可以从文件夹中导入图片数据，转换成固定尺寸的张量，这个方法得到一个可以读取图片数据的生成器generator

构建模型
from keras import models,layers,optimizers
from keras import backend as k

k.clear_session()
mode=models.Sequential()
model.add(layers.Flatten(input_shape = (32,32,3)))
model.add(layers.Dense(64,activation=‘relu’))
model.add(layers.Dense(1,activation=‘sigmoid’))

model.compile(loss=‘binary_crossentropy’,optimizer=optimizers.RMSprop(lr=1e-4),metrics=[‘auc’])
model.summary()