如何使用 ImageDataGenerator.flow_from_directory 将每个类/标签保存在其他子文件夹中？答案

【问题标题】：How to use ImageDataGenerator.flow_from_directory to save each class/label in other subfolders?如何使用 ImageDataGenerator.flow_from_directory 将每个类/标签保存在其他子文件夹中？
【发布时间】：2021-04-14 03:37:51
【问题描述】：

编辑：
设置：

Win 10 x64
Python 3.8.7
TF version 2.4.0
Keras version 2.4.3 #not needed I think but

我的数据集包含如下结构的图像：

dataset/
  class1/
    img1class1.jpg
    ...
  class2/
    img1class2.jpg
    ...

我正在使用来自tensorflow.keras.preprocessing.image.ImageDataGenerator 的flow_from_directory 方法，选项如下：

gen = imgen.flow_from_directory(
  'dataset/',
  target_size = (160, 120),
  batch_size = 25,
  class_mode = 'binary',
  save_to_dir = 'new_dataset/',
  save_prefix = 'new',
  save_format = 'jpg'
)

但它会将每个类中的每个图像都放入一个文件夹new_dataset/

new_dataset/
  new1.jpg #while that could be from class 1
  new2.jpg # and that from class 2
  ...

是否可以“强制”flow_from_directory 使文件夹结构为：

new_dataset/
  class1/
    new1.jpg
    ...
  class2/
    new1.jpg
    ...

batch_size 是否也有可能仅从一个特定的 img“创建”图像，我的意思是 img1class1.jpg 将在整个批次中但具有其他转换？我想做某事，比如从 1 张旧图像中提取 25 张新图像。

对不起我的英语，我希望你能理解（：

【问题讨论】：

标签： python-3.x keras tensorflow2.0 tensorflow-datasets tf.keras

【解决方案1】：

我找到了“解决方法”，所以就这样吧：

import os

labels = {}

for i, one_class in enumerate(os.listdir('dataset')):
  gen = idg.flow_from_directory(
    'dataset',
    target_size = (160, 120),
    batch_size = 25,
    class_mode = 'binary',
    classes = [one_class],
    save_to_dir = f'dataset/{one_class}',
    save_prefix = 'new_image',
    save_format = 'jpg'
  )

  ...
  
  labels[one_class] = i #If u need them...

【讨论】：