直接从文件夹中读取数据以在keras中进行训练
Read data directly from folders for training in keras
我正在 keras 中使用 resnet 进行超分辨率处理，我已将我的数据分成训练和测试 (70-30)，并从测试数据中提取 20% 用于验证。我正在尝试使用 [=15 读取数据=] 但它显示 0 张图像 类。主要问题是我没有 类。我只有高分辨率图像和低分辨率图像。高分辨率图像用于输出，低分辨率图像用于输入。我如何加载数据而不将它们分开 类s
from keras.preprocessing.image import ImageDataGenerator
import os
train_dir = r'G:\images\train'
train_datagen = ImageDataGenerator(rescale=1./255)
train_generator = train_datagen.flow_from_directory(train_dir)
要为 0 类 解析 0 张图像，请注意一个常见的错误是您指定的目标文件夹 没有子目录. ImageDataGenerator 根据您指定为第一个参数的目录下的每个子目录将数据拆分为 类。所以，你的target下至少应该有一个子目录。
此外，生成器应该标记它们以便将它们提供给您的网络。默认情况下，它使用 categorical 方法作为 2D one-hot 编码标签。但是，如果您希望以其他方式使用标签，请设置 class_mode 参数。例如，对于输入没有标签的自动编码器，您应该将其指定为 class_mode=input.
根据文档 here，class_mode 应该是以下之一：
categorical 将是 2D one-hot 编码标签，（默认模式）binary 将是一维二进制标签，sparse 将是一维整数标签，input 将是与输入图像相同的图像（主要用于处理
自编码器）。None，不返回任何标签（生成器只会生成批量图像数据，这对与 model.predict() 一起使用很有用）
我正在 keras 中使用 resnet 进行超分辨率处理，我已将我的数据分成训练和测试 (70-30)，并从测试数据中提取 20% 用于验证。我正在尝试使用 [=15 读取数据=] 但它显示 0 张图像 类。主要问题是我没有 类。我只有高分辨率图像和低分辨率图像。高分辨率图像用于输出，低分辨率图像用于输入。我如何加载数据而不将它们分开 类s
from keras.preprocessing.image import ImageDataGenerator
import os
train_dir = r'G:\images\train'
train_datagen = ImageDataGenerator(rescale=1./255)
train_generator = train_datagen.flow_from_directory(train_dir)
要为 0 类 解析 0 张图像，请注意一个常见的错误是您指定的目标文件夹 没有子目录. ImageDataGenerator 根据您指定为第一个参数的目录下的每个子目录将数据拆分为 类。所以，你的target下至少应该有一个子目录。
此外，生成器应该标记它们以便将它们提供给您的网络。默认情况下，它使用 categorical 方法作为 2D one-hot 编码标签。但是，如果您希望以其他方式使用标签，请设置 class_mode 参数。例如，对于输入没有标签的自动编码器，您应该将其指定为 class_mode=input.
根据文档 here，class_mode 应该是以下之一：
categorical将是 2D one-hot 编码标签，（默认模式）binary将是一维二进制标签，sparse将是一维整数标签，input将是与输入图像相同的图像（主要用于处理 自编码器）。None，不返回任何标签（生成器只会生成批量图像数据，这对与model.predict()一起使用很有用）