Te damos la bienvenida a nuestro sitio, en este lugar vas a encontrar la respuesta que estabas buscando.
Ver fuente en GitHub |
Iterador capaz de leer imágenes de un directorio en disco.
Hereda de: Iterator
, Sequence
Ver alias
Compat alias para la migración
Ver Guía de migración para más detalles.
tf.keras.preprocessing.image.DirectoryIterator( directory, image_data_generator, target_size=(256,256), color_mode='rgb', classes=None, class_mode='categorical', batch_size=32, shuffle=True, seed=None, data_format=None, save_to_dir=None, save_prefix='', save_format='png', follow_links=False, subset=None, interpolation='nearest', dtype=None)
Argumentos | |
---|---|
directory |
Ruta al directorio desde el que leer las imágenes. Se considerará que cada subdirectorio de este directorio contiene imágenes de una clase o, alternativamente, puede especificar subdirectorios de clase a través de la classes argumento. |
image_data_generator |
En vez de ImageDataGenerator para usar en transformaciones aleatorias y normalización. |
target_size |
tupla de números enteros, dimensiones para cambiar el tamaño de las imágenes de entrada. |
color_mode |
Uno de "rgb" , "rgba" , "grayscale" . Modo de color para leer imágenes. |
classes |
Lista opcional de cadenas, nombres de subdirectorios que contienen imágenes de cada clase (p. Ej. ["dogs", "cats"] ). Se calculará automáticamente si no se configura. |
class_mode |
Modo para ceder los objetivos: "binary" : objetivos binarios (si solo hay dos clases), "categorical" : objetivos categóricos, "sparse" : objetivos enteros, "input" : los objetivos son imágenes idénticas a las imágenes de entrada (se utilizan principalmente para trabajar con codificadores automáticos), None : no se obtienen objetivos (solo se obtienen imágenes de entrada). |
batch_size |
Entero, tamaño de un lote. |
shuffle |
Booleano, si se deben barajar los datos entre épocas. |
seed |
Semilla aleatoria para la mezcla de datos. |
data_format |
Cadena, uno de channels_first , channels_last . |
save_to_dir |
Directorio opcional donde guardar las imágenes que se están generando, en un formato visible. Esto es útil para visualizar las transformaciones aleatorias que se están aplicando, con fines de depuración. |
save_prefix |
Cuerda prefix utilizar para guardar imágenes de muestra (si save_to_dir Está establecido). |
save_format |
Formato que se utilizará para guardar imágenes de muestra (si save_to_dir Está establecido). |
subset |
Subconjunto de datos ("training" o "validation" ) si validation_split se establece en ImageDataGenerator. |
interpolation |
Método de interpolación utilizado para volver a muestrear la imagen si el tamaño de destino es diferente al de la imagen cargada. Los métodos admitidos son “más cercano”, “bilineal” y “bicúbico”. Si está instalada la versión 1.1.3 o posterior de PIL, también se admite “lanczos”. Si está instalada la versión 3.4.0 o posterior de PIL, también se admiten “box” y “hamming”. De forma predeterminada, se utiliza “más cercano”. |
dtype |
Dtype que se utilizará para las matrices generadas. |
Atributos | |
---|---|
filepaths |
Lista de rutas absolutas a archivos de imagen |
labels |
Etiquetas de clase de cada observación |
sample_weight |
Métodos
next
next()
Para python 2.x.
Devoluciones | |
---|---|
El siguiente lote. |
on_epoch_end
on_epoch_end()
reset
reset()
set_processing_attrs
set_processing_attrs( image_data_generator, target_size, color_mode, data_format, save_to_dir, save_prefix, save_format, subset, interpolation )
Conjuntos attributes para usar más tarde para procesar archivos en un lote.
Argumentos | |
---|---|
image_data_generator |
En vez de ImageDataGenerator para usar en transformaciones aleatorias y normalización. |
target_size |
tupla de números enteros, dimensiones para cambiar el tamaño de las imágenes de entrada. |
color_mode |
Uno de "rgb" , "rgba" , "grayscale" . Modo de color para leer imágenes. |
data_format |
Cadena, uno de channels_first , channels_last . |
save_to_dir |
Directorio opcional donde guardar las imágenes que se están generando, en un formato visible. Esto es útil para visualizar las transformaciones aleatorias que se están aplicando, con fines de depuración. |
save_prefix |
Cuerda prefix utilizar para guardar imágenes de muestra (si save_to_dir Está establecido). |
save_format |
Formato que se utilizará para guardar imágenes de muestra (si save_to_dir Está establecido). |
subset |
Subconjunto de datos ("training" o "validation" ) si validation_split se establece en ImageDataGenerator. |
interpolation |
Método de interpolación utilizado para volver a muestrear la imagen si el tamaño del objetivo es diferente al de la imagen cargada. Los métodos admitidos son “más cercano”, “bilineal” y “bicúbico”. Si está instalada la versión 1.1.3 o posterior de PIL, también se admite “lanczos”. Si está instalada la versión 3.4.0 o posterior de PIL, también se admiten “box” y “hamming”. De forma predeterminada, se utiliza “más cercano”. |
__getitem__
__getitem__( idx )
__iter__
__iter__()
__len__
__len__()
Variables de clase | |
---|---|
modos_clase_permitidos | |
white_list_formats |
Si para ti ha sido útil nuestro post, sería de mucha ayuda si lo compartes con el resto juniors y nos ayudes a extender nuestra información.
¡Haz clic para puntuar esta entrada!
(Votos: 0 Promedio: 0)