【发布时间】：2018-07-21 13:35:00
【问题描述】：
我有一个目录，即数据集，其中包含图像的子文件夹（标签/类）。
以下是数据集中动物图像的子文件夹：
我想将数据集拆分为model.fit_generotar() 的训练集和测试集。
我该怎么做？
【问题讨论】：
标签： tensorflow deep-learning keras
【发布时间】：2018-07-21 13:35:00
【问题描述】：
使用glob 获取文件路径迭代器。
然后您可以使用scikit-learn 的训练-测试拆分来获取训练和测试数据路径（使用stratify 参数在测试/训练中获得与整个数据集中相同的类分布）。
结果将是两个路径列表，您可以将它们写入适当的测试/训练文件夹，然后您可以应用生成器的flow_from_directory 方法。
编辑：
第二种方法是不使用flow_from_directory，而是加载训练/测试集（加载所有内容并使用scikit-learn 方法或使用我之前描述的方法），然后使用生成器的flow 方法。
另请注意，您可能不希望使用生成器来生成测试/验证数据，因为这会使比较准确性变得困难，因为您没有固定的有效/测试集。
【讨论】：
-
如果只有一个图像子文件夹，您所说的将是正确的。在我的例子中，有 5 个图像子文件夹，即狮子、兔子、蛇、狗和猫。
-
没有。 Generator 使用这些文件夹来分配类。顺便说一句，我还添加了您可以使用的第二种方法。