问题描述
据我所知,在使用 tensorflow keras 时,我们可以使用 ImageDataGenerator
从目录中传输数据。当数据流入时,它们被调整为target_size
。但这种转变是如何完成的?
一个例子是:
from tensorflow.keras.preprocessing.image import ImageDataGenerator
trainDir = 'train'
dataGen = ImageDataGenerator(rescale=1/255)
gen = dataGen.flow_from_directories(
trainDir,batch_size=64,target_size=(150,150),class_mode='binary'
)
此处,trainDir
中的所有图像都将调整为 150x150。但是它们是如何调整大小的?
我已经检查了 documentation on tensorflow ImageDataGenerator。它只说 target_size
是“找到的所有图像将调整到的尺寸。”但是我没有找到关于如何完成调整大小的解释。
解决方法
当 interpolation
与输入图像的大小不同时,它使用 target_size
参数。使用的默认插值方法是 nearest
,但也可以使用其他方法。
来源:https://www.tensorflow.org/api_docs/python/tf/keras/preprocessing/image/ImageDataGenerator
,ImageDataGenerator 有一个参数 fill_mode。这个参数可以设置如下
One of {"constant","nearest","reflect" or "wrap"}. Default is 'nearest'. Points outside the boundaries of the input are filled according to the given mode:
'constant': kkkkkkkk|abcd|kkkkkkkk (cval=k)
'nearest': aaaaaaaa|abcd|dddddddd
'reflect': abcddcba|abcd|dcbaabcd
'wrap': abcdabcd|abcd|abcdabcd
frankly I have no idea what the above is intending to illustrate