如何显示比批量大小值更多的图像?

How to show more images than the batch size value?

我有以下代码:

train_ds = tf.keras.utils.image_dataset_from_directory(
  '/media/Tesi',
  validation_split=0.2,
  subset="training",
  seed=123,
  image_size=(360, 360),
  batch_size=18)

class_names = train_ds.class_names

val_ds = tf.keras.utils.image_dataset_from_directory(
  '/media/Tesi',
  validation_split=0.2,
  subset="validation",
  seed=123,
  image_size=(360, 360),
  batch_size=18)

num_classes = len(class_names)

然后我创建一个模型并计算一些概率。当我显示val_ds中的图像时,我的代码是:

plt.figure(figsize=(20, 20))
for images, _ in val_ds.take(1):
    for i in range(18):
        ax = plt.subplot(6, 6, i + 1)
        plt.imshow(images[i].numpy().astype("uint8"))
        plt.title(class_names[np.argmax(predictions[i])])
        plt.axis("off")

通过这种方式,我总是显示 val_ds 的前 18 张图片。如何显示索引 18 到 36 的图像? 谢谢

您可以使用 tf.data.Dataset.skiptf.data.Dataset.take:

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 = 18

val_ds = tf.keras.utils.image_dataset_from_directory(
  data_dir,
  validation_split=0.2,
  subset="validation",
  seed=123,
  image_size=(360, 360),
  batch_size=batch_size, shuffle=False)

for images, _ in val_ds.skip(1).take(1):
  for i in range(18):
    ax = plt.subplot(6, 6, i + 1)
    plt.imshow(images[i].numpy().astype("uint8"))
    plt.axis("off")

在这个例子中,前 18 张图像被跳过(1 批),然后你拍摄接下来的 18 张图像(也是 1 批)。您只需要确保 shuffle=False,以确保您在调用 take(1).

时不会得到相同的图像