Keras框架下用.flow_from_directoryt自己构建数据集

0 前言

在现实的实战过程中，遇到的数据集往往不是类似于mnist一样已经打包好的数据集，而是以图片形式存在文件夹中，对于这种情况是没有相关函数（如load_data()函数）直接加载的，因此，下面我将提出两种构建数据集的方法。

方法1

.flow_from_directory（），这个函数在数据增强的时候可以用到，相关用法为：

train_datagen = ImageDataGenerator(
        rescale=1./255,
        shear_range=0.2,
        zoom_range=0.2,
        horizontal_flip=True)

test_datagen = ImageDataGenerator(rescale=1./255)

train_generator = train_datagen.flow_from_directory(
        'data/train',
        target_size=(150, 150),
        batch_size=32,
        class_mode='binary')

validation_generator = test_datagen.flow_from_directory(
        'data/validation',
        target_size=(150, 150),
        batch_size=32,
        class_mode='binary')

model.fit_generator(
        train_generator,
        steps_per_epoch=2000,
        epochs=50,
        validation_data=validation_generator,
        validation_steps=800)

ImageDataGenerator(）为对图像进行增强，一般在数据集较少的时候用，

keras.preprocessing.image.ImageDataGenerator(featurewise_center=False,
    samplewise_center=False,
    featurewise_std_normalization=False,
    samplewise_std_normalization=False,
    zca_whitening=False,
    zca_epsilon=1e-6,
    rotation_range=0.,
    width_shift_range=0.,
    height_shift_range=0.,
    shear_range=0.,
    zoom_range=0.,
    channel_shift_range=0.,
    fill_mode='nearest',
    cval=0.,
    horizontal_flip=False,
    vertical_flip=False,
    rescale=None,
    preprocessing_function=None,
    data_format=K.image_data_format())

相关参数的解释：

如果不用增强，则函数为空。用以生成一个batch的图像数据，支持实时数据提升。训练时该函数会无限生成数据，直到达到规定的epoch次数为止。

参数

• featurewise_center：布尔值，使输入数据集去中心化（均值为0）, 按feature执行

• samplewise_center：布尔值，使输入数据的每个样本均值为0

• featurewise_std_normalization：布尔值，将输入除以数据集的标准差以完成标准化, 按feature执行

• samplewise_std_normalization：布尔值，将输入的每个样本除以其自身的标准差

• zca_whitening：布尔值，对输入数据施加ZCA白化

• zca_epsilon: ZCA使用的eposilon，默认1e-6

• rotation_range：整数，数据提升时图片随机转动的角度

• width_shift_range：浮点数，图片宽度的某个比例，数据提升时图片水平偏移的幅度

• height_shift_range：浮点数，图片高度的某个比例，数据提升时图片竖直偏移的幅度

• shear_range：浮点数，剪切强度（逆时针方向的剪切变换角度）

• zoom_range：浮点数或形如[lower,upper]的列表，随机缩放的幅度，若为浮点数，则相当于[lower,upper] = [1 - zoom_range, 1+zoom_range]

• channel_shift_range：浮点数，随机通道偏移的幅度

• fill_mode：；‘constant’，‘nearest’，‘reflect’或‘wrap’之一，当进行变换时超出边界的点将根据本参数给定的方法进行处理

• cval：浮点数或整数，当fill_mode=constant时，指定要向超出边界的点填充的值

• horizontal_flip：布尔值，进行随机水平翻转

• vertical_flip：布尔值，进行随机竖直翻转

• rescale: 重放缩因子,默认为None. 如果为None或0则不进行放缩,否则会将该数值乘到数据上(在应用其他变换之前)

• preprocessing_function: 将被应用于每个输入的函数。该函数将在图片缩放和数据提升之后运行。该函数接受一个参数，为一张图片（秩为3的numpy array），并且输出一个具有相同shape的numpy array

• data_format：字符串，“channel_first”或“channel_last”之一，代表图像的通道维的位置。该参数是Keras 1.x中的image_dim_ordering，“channel_last”对应原本的“tf”，“channel_first”对应原本的“th”。以128x128的RGB图像为例，“channel_first”应将数据组织为（3,128,128），而“channel_last”应将数据组织为（128,128,3）。该参数的默认值是~/.keras/keras.json中设置的值，若从未设置过，则为“channel_last”

flow_from_directory(directory): 以文件夹路径为参数,生成经过数据提升/归一化后的数据,在一个无限循环中无限产生batch数据

• directory: 目标文件夹路径,对于每一个类,该文件夹都要包含一个子文件夹.子文件夹中任何JPG、PNG、BNP、PPM的图片都会被生成器使用.详情请查看此脚本
• target_size: 整数tuple,默认为(256, 256). 图像将被resize成该尺寸
• color_mode: 颜色模式,为"grayscale","rgb"之一,默认为"rgb".代表这些图片是否会被转换为单通道或三通道的图片.
• classes: 可选参数,为子文件夹的列表,如['dogs','cats']默认为None. 若未提供,则该类别列表将从directory下的子文件夹名称/结构自动推断。每一个子文件夹都会被认为是一个新的类。(类别的顺序将按照字母表顺序映射到标签值)。通过属性class_indices可获得文件夹名与类的序号的对应字典。
• class_mode: "categorical", "binary", "sparse"或None之一. 默认为"categorical. 该参数决定了返回的标签数组的形式, "categorical"会返回2D的one-hot编码标签,"binary"返回1D的二值标签."sparse"返回1D的整数标签,如果为None则不返回任何标签, 生成器将仅仅生成batch数据, 这种情况在使用model.predict_generator()和model.evaluate_generator()等函数时会用到.
• batch_size: batch数据的大小,默认32
• shuffle: 是否打乱数据,默认为True
• seed: 可选参数,打乱数据和进行变换时的随机数种子
• save_to_dir: None或字符串，该参数能让你将提升后的图片保存起来，用以可视化
• save_prefix：字符串，保存提升后图片时使用的前缀, 仅当设置了save_to_dir时生效
• save_format："png"或"jpeg"之一，指定保存图片的数据格式,默认"jpeg"
• flollow_links: 是否访问子文件夹中的软链
• 同时变换图像和mask示例

  data_gen_args = dict(featurewise_center=True,
                       featurewise_std_normalization=True,
                       rotation_range=90.,
                       width_shift_range=0.1,
                       height_shift_range=0.1,
                       zoom_range=0.2)
  image_datagen = ImageDataGenerator(**data_gen_args)
  mask_datagen = ImageDataGenerator(**data_gen_args)
  
  # Provide the same seed and keyword arguments to the fit and flow methods
  seed = 1
  image_datagen.fit(images, augment=True, seed=seed)
  mask_datagen.fit(masks, augment=True, seed=seed)
  
  image_generator = image_datagen.flow_from_directory(
      'data/images',
      class_mode=None,
      seed=seed)
  
  mask_generator = mask_datagen.flow_from_directory(
      'data/masks',
      class_mode=None,
      seed=seed)
  
  # combine generators into one which yields image and masks
  train_generator = zip(image_generator, mask_generator)
  
  model.fit_generator(
      train_generator,
      steps_per_epoch=2000,
      epochs=50)

  参考链接;

https://keras-cn.readthedocs.io/en/latest/preprocessing/image/

train_datagen = ImageDataGenerator( rescale=1./255, shear_range=0.2, zoom_range=0.2, horizontal_flip=True) test_datagen = ImageDataGenerator(rescale=1./255) train_generator = train_datagen.flow_from_directory( 'data/train', target_size=(150, 150), batch_size=32, class_mode='binary') validation_generator = test_datagen.flow_from_directory( 'data/validation', target_size=(150, 150), batch_size=32, class_mode='binary') model.fit_generator( train_generator, steps_per_epoch=2000, epochs=50, validation_data=validation_generator, validation_steps=800)