如何将 keras image_dataset_from_directory 与自定义结构一起使用？

Question

preprocessing 模块内的 Keras image_dataset_from_directory 将路径作为参数，并在这些图像存储在单独的子文件夹中时自动推断类。然而，就我而言，我有一个文件夹，然后在 DataFrame 中指定图像类。

.
├── datasets
│   ├── sample_submit.csv
│   ├── test_images
│   │   ├── test_0000.jpg
│   │   ├── test_0001.jpg
│   │   ├── test_0002.jpg
│   │   └── ...
│   ├── test_images.csv
│   ├── train_images
│   │   ├── train_0000.jpg
│   │   ├── train_0001.jpg
│   │   ├── train_0002.jpg
│   │   └── ...
│   └── train_images.csv
└── model.py

Tensorflow 的 documentation 指定当你不推断标签时，必须指定一个列表或元组，我从 DataFrame df 获得。但是，当我指定图像文件夹时，TensorFlow 会返回 ValueError，因为它没有找到图像：

In [1]: df = pd.read_csv('datasets/train_images.csv')
   ...: tds = keras.preprocessing\
   ...:    .image_dataset_from_directory('datasets/train_images', list(df['class']),
   ...:                                  validation_split=0.2, subset='training',
   ...:                                  seed=123, image_size(180, 180))

ValueError: Expected the lengths of `labels` to match the number of files in the target directory. len(labels) is 1102 while we found 0 files in datasets/train_images.

为什么 keras 无法识别文件夹中的图片？我尝试使用./datasets/train_images 设置“完整”相对路径，使用datasets/train_images/ 添加斜线以及绝对路径，但无济于事。这里缺少什么？或者，在这种情况下是否有更有效的方法，我仍然可以得到训练/测试拆分？

---

编辑： keras 似乎有一个限制，而这个 question 最初提出了它，但仍然太模糊而无法触及问题的核心。

简单明了：keras 似乎总是为图像抓取 directory 参数的子文件夹并构建数据集。 启用图像加载的解决方法是包装一个额外的文件夹（@ 987654332@) 并将其传递给directory。

但是，我仍然对这种方法有问题，因为现在 keras 似乎无法将自定义类作为列表传递并输出 Found 1102 files belonging to 1 classes.（在这种情况下，现在子文件夹train_images），所以任何帮助仍然很感激。

Answer 1

keras 似乎总是抓取图像的目录参数的子文件夹并构建数据集。启用图像加载的解决方法是包装一个附加文件夹（outer_train）并将其传递给目录。

问题是image_dataset_from_directory 方法询问一个包含其他目录的目录，并开始从您输入的目录中获取当前目录中的图像。

但是，这种方法仍然存在问题，因为现在 keras 似乎无法将自定义类作为列表和输出传递。

我认为您无法阅读那样的图像。如果您希望该方法读取自定义类的图像，则必须将具有自定义图像类的文件夹放置在要读取的文件夹中，如下所示：

• directory_to_read/

  • 类__1/

    • img1

    • img2

  • 类__2/

    • img1

    • img2

  • custom_class/

    • img1

    • img2