根据我的理解,当使用tensorflow keras时,我们可以使用
ImageDataGenerator
从目录中传输数据。当数据流入时,它们的大小会调整为target_size
。但这种转变是如何完成的呢?
一个例子是这样的:
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'
)
在这里,来自
trainDir
的所有图像都将调整为 150x150。但它们是如何调整大小的呢?
我已经检查了 tensorflow ImageDataGenerator 的文档。它只说
target_size
是“所有找到的图像都将调整到的尺寸”。但我没有找到关于如何调整大小的解释。
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