我有一个二元分类问题。给定一个图像,我想预测它是属于class_1
还是class_2
。
训练数据位于.../data/train/
,i下的子文件夹class_1
和class_2
中。e..../data/train/class_1
.../data/train/class_2
为了导入训练数据,我目前使用
import tensorflow as tf
tf.keras.preprocessing.image.ImageDataGenerator().flow_from_directory('.../data/train/')
现在,假设我的训练数据被进一步划分为两个不同的数据集,但存储在相同的目录中。训练样本所属的数据集在文件名i中指定。e.每个文件名包含AAA
或BBB
。现在我只想加载文件名包括AAA
的训练样本。我该如何在不创建新目录的情况下做到这一点?
1条答案
按热度按时间vbkedwbf1#
我知道的唯一选择是自动生成一个新的子文件夹,并在该子文件夹上调用Generator。一个函数来自动生成一个排序的子文件夹应该不会太难。..
假设你存储Path,所有的图像都保存在一个变量中,如下所示:
path = r".../data/train/class_1"
列表中的标识符:
identifier = ["AAA","BBB",...]
然后为每个标识符创建新的子文件夹:
然后,您可以调用要访问的特定文件夹上的生成器。..
我希望这对你有帮助,如果你有任何问题,随时问:D