如何在 Keras 中从 image_dataset_from_directory() 的 MapDataset 附加或获取文件名？
How to attach or get filenames from MapDataset from image_dataset_from_directory() in Keras?
我正在训练卷积自动编码器，我有这个加载数据（图像）的代码：
train_ds = tf.keras.preprocessing.image_dataset_from_directory(
'path/to/images',
image_size=image_size
)
normalization_layer = layers.experimental.preprocessing.Rescaling(1./255)
def adjust_inputs(images, labels):
return normalization_layer(images), normalization_layer(images)
normalized_train_ds = train_ds.map(adjust_inputs)
由于我不需要 class 标签，而是将其自身成像为 Y，因此我将函数 adjust_inputs 映射到数据集。但是现在，当我尝试访问属性 filenames 时，出现错误：AttributeError: 'MapDataset' object has no attribute 'filenames'。这是合乎逻辑的，因为 MapDataset 不是 Dataset。
我如何附加或获取我的数据集中已加载图像的文件名？
我真的很惊讶没有一个更简单的界面，这看起来很常见。
我是按照下面的方法做的。
训练完我的模型后，我重新加载了所有图像，这次使用选项 shuffle=False 和 运行 通过我的模型提取特征。由于随机播放关闭，图像和文件路径的顺序是相同的。因此，索引 0 处的图像以及索引 0 处的相应特征在索引 0 处具有其文件路径。
以防万一您想将 filepaths 添加为数据集的一部分：
import tensorflow as tf
import pathlib
import matplotlib.pyplot as plt
dataset_url = "https://storage.googleapis.com/download.tensorflow.org/example_images/flower_photos.tgz"
data_dir = tf.keras.utils.get_file('flower_photos', origin=dataset_url, untar=True)
data_dir = pathlib.Path(data_dir)
batch_size = 32
train_ds = tf.keras.utils.image_dataset_from_directory(data_dir, shuffle=False, batch_size=batch_size)
normalization_layer = tf.keras.layers.Rescaling(1./255)
def change_inputs(images, labels, paths):
x = normalization_layer(images)
return x, x, tf.constant(paths)
normalized_ds = train_ds.map(lambda images, labels: change_inputs(images, labels, paths=train_ds.file_paths))
images, images, paths = next(iter(normalized_ds.take(1)))
image = images[0]
path = paths[0]
print(path)
plt.imshow(image.numpy())
Found 3670 files belonging to 5 classes.
tf.Tensor(b'/root/.keras/datasets/flower_photos/daisy/100080576_f52e8ee070_n.jpg', shape=(), dtype=string)
<matplotlib.image.AxesImage at 0x7f9b113d1a10>
您只需确保对路径使用相同的批量大小即可。
我正在训练卷积自动编码器，我有这个加载数据（图像）的代码：
train_ds = tf.keras.preprocessing.image_dataset_from_directory(
'path/to/images',
image_size=image_size
)
normalization_layer = layers.experimental.preprocessing.Rescaling(1./255)
def adjust_inputs(images, labels):
return normalization_layer(images), normalization_layer(images)
normalized_train_ds = train_ds.map(adjust_inputs)
由于我不需要 class 标签，而是将其自身成像为 Y，因此我将函数 adjust_inputs 映射到数据集。但是现在，当我尝试访问属性 filenames 时，出现错误：AttributeError: 'MapDataset' object has no attribute 'filenames'。这是合乎逻辑的，因为 MapDataset 不是 Dataset。
我如何附加或获取我的数据集中已加载图像的文件名？
我真的很惊讶没有一个更简单的界面，这看起来很常见。
我是按照下面的方法做的。
训练完我的模型后，我重新加载了所有图像，这次使用选项 shuffle=False 和 运行 通过我的模型提取特征。由于随机播放关闭，图像和文件路径的顺序是相同的。因此，索引 0 处的图像以及索引 0 处的相应特征在索引 0 处具有其文件路径。
以防万一您想将 filepaths 添加为数据集的一部分：
import tensorflow as tf
import pathlib
import matplotlib.pyplot as plt
dataset_url = "https://storage.googleapis.com/download.tensorflow.org/example_images/flower_photos.tgz"
data_dir = tf.keras.utils.get_file('flower_photos', origin=dataset_url, untar=True)
data_dir = pathlib.Path(data_dir)
batch_size = 32
train_ds = tf.keras.utils.image_dataset_from_directory(data_dir, shuffle=False, batch_size=batch_size)
normalization_layer = tf.keras.layers.Rescaling(1./255)
def change_inputs(images, labels, paths):
x = normalization_layer(images)
return x, x, tf.constant(paths)
normalized_ds = train_ds.map(lambda images, labels: change_inputs(images, labels, paths=train_ds.file_paths))
images, images, paths = next(iter(normalized_ds.take(1)))
image = images[0]
path = paths[0]
print(path)
plt.imshow(image.numpy())
Found 3670 files belonging to 5 classes.
tf.Tensor(b'/root/.keras/datasets/flower_photos/daisy/100080576_f52e8ee070_n.jpg', shape=(), dtype=string)
<matplotlib.image.AxesImage at 0x7f9b113d1a10>
您只需确保对路径使用相同的批量大小即可。