keras数据预处理

数据预处理

• 在使用 TensorFlow 作为后端的时候，在 Keras 中，CNN 的输入是一个4维数组（也被称作4维张量），它的各维度尺寸为 (nb_samples, rows, columns, channels)。其中 nb_samples 表示图像（或者样本）的总数，rows, columns, 和 channels 分别表示图像的行数、列数和通道数。

• 下方的 path_to_tensor 函数实现如下将彩色图像的字符串型的文件路径作为输入，返回一个4维张量，作为 Keras CNN 输入。因为我们的输入图像是彩色图像，因此它们具有三个通道（ channels 为 3）。
  1. 该函数首先读取一张图像，然后将其缩放为 224×224 的图像。
  2. 随后，该图像被调整为具有4个维度的张量。
  3. 对于任一输入图像，最后返回的张量的维度是：(1, 224, 224, 3)。

• paths_to_tensor 函数将图像路径的字符串组成的 numpy 数组作为输入，并返回一个4维张量，各维度尺寸为 (nb_samples, 224, 224, 3)。 在这里，nb_samples是提供的图像路径的数据中的样本数量或图像数量。你也可以将 nb_samples 理解为数据集中3维张量的个数（每个3维张量表示一个不同的图像。

  from keras.preprocessing import image                  
  from tqdm import tqdm
  
  def path_to_tensor(img_path):
      # 用PIL加载RGB图像为PIL.Image.Image类型
      img = image.load_img(img_path, target_size=(224, 224))
      # 将PIL.Image.Image类型转化为格式为(224, 224, 3)的3维张量
      x = image.img_to_array(img)
      # 将3维张量转化为格式为(1, 224, 224, 3)的4维张量并返回
      return np.expand_dims(x, axis=0)
  
  def paths_to_tensor(img_paths):
      list_of_tensors = [path_to_tensor(img_path) for img_path in tqdm(img_paths)]
      return np.vstack(list_of_tensors)