keras flow_from_directory()

keras_preprocessing.image.image_data_generator.ImageDataGenerator.flow_from_directory()

獲取目錄路徑並生成一批增強數據。

def flow_from_directory(self,
                        directory: Any,
                        target_size: Tuple[int, int] = (256, 256),
                        color_mode: str = 'rgb',
                        classes: Any = None,
                        class_mode: str = 'categorical',
                        batch_size: int = 32,
                        shuffle: bool = True,
                        seed: Any = None,
                        save_to_dir: Any = None,
                        save_prefix: str = '',
                        save_format: str = 'png',
                        follow_links: bool = False,
                        subset: Any = None,
                        interpolation: str = 'nearest') -> DirectoryIterator

參數說明：

• 目錄（directory）：字符串，目標目錄的路徑。每個類應該包含一個子目錄。生成器中將包含每個子目錄樹中的任何PNG、JPG、BMP、PPM或TIF圖像。有關詳細信息，請參閱（https://gist.github.com/fchollet/0830affa1f7f19fd47b06d4cf89ed44d）。
• 目標大小（target_size）：整數的元組（高度、寬度）。默認值：（256，256）。將調整找到的所有圖像的尺寸。
• 顏色_模式（color_mode）：“灰度”、“rgb”、“rgba”之一。默認值：“rgb”。是否將圖像轉換爲具有1、3或4個通道。
• 類列表（classes）：類子目錄的可選列表。（例如，“狗”、“貓”）。默認值：無。如果沒有提供，將根據目錄下的子目錄名稱/結構自動推斷類列表，其中每個子目錄將被視爲不同的類（將映射到標籤索引的類的順序將是字母數字）。包含從類名到類索引的映射的字典可以通過屬性class_indexes獲得。
• 類模式：確定返回的標籤數組的類型：“分類（“categorical”）”、“二進制（“binary”）”、“稀疏（“sparse”）”、“輸入（“input”）”、“無（None）”模式之一。默認值：“分類”。

• “categorial”則是2維one-hot編碼標籤；
• “binary”則是一維二進制標籤；
• “sparse”是1維整數標籤；
• “input”是與輸入圖像相同的圖像（主要用於自動編碼器）；
• None，則不會返回任何標籤（生成器將只生成一批圖像數據，與model.predict_generator（）一起使用非常有用）。請注意，在類模式爲“無”的情況下，數據仍然需要駐留在目錄的子目錄中，以便它正常工作。

• 批次大小（batch_size）：數據批次的大小（默認值：32）。
• 隨機播放（shuffle）：是否隨機播放數據（默認值：True）。如果設置爲False，則按字母數字順序對數據進行排序。
• 種子（seed）：可選的隨機種子，用於洗牌和轉換。
• 保存路徑（save_to_dir）:none或str（默認值：none）。這允許您選擇指定一個目錄，將生成的增強圖片保存到該目錄（對於可視化所做的操作很有用）。
• 保存前綴（save_prefix）: Str. Prefix用於保存圖片的文件名（僅當設置了save_to_dir時才相關）。
• 保存格式（save_format）：“png”、“jpeg”之一（僅當設置了save_to_dir時才相關）。默認值：“png”。
• 跟隨鏈接（follow_links）：是否跟隨類子目錄內的符號鏈接（默認值：False）。
• 子集（subset）：如果在ImageDataGenerator中設置了驗證分割（validation_split），則爲數據的子集（訓練集"training" 或驗證集"validation"）。
• 插值（interpolation）：當目標大小與加載的圖像大小不同時，用於對圖像重新採樣的插值方法。支持的方法有最近鄰"nearest"、雙線性"bilinear"和雙三次"bicubic"。如果安裝了PIL版本1.1.3或更高版本，還支持“lanczos”。如果安裝了PIL 3.4.0或更高版本，還支持“Box”和“Hamming”。默認情況下，使用“nearest”。

返回值

一個產生（x，y）元組的目錄迭代器（DirectoryIterator）。
其中x是包含一批（batch_size，* target_size，channels）類型的圖像的numpy數組，y是對應標籤的numpy數組。