tensorflow ImageGenerator

ImageGenerator

Imagegenerator를 사용하면 해당 폴더명은 label이 되어 dataset이 만들어진다.



python code이지만 model의 구조는 적지 않았다.

from tensorflow.keras.preprocessing.image import ImageDataGenerator
# rescale 거친다.
train_datagen = ImageDataGenerator(rescale=1/255) 
validation_datagen = ImageDataGenerator(rescale=1/255)
# 이후 generator 생성하면 label과 이미지가 자동으로 매핑된 generator가 나온다.
train_generator = train_datagen.flow_from_directory(
        train_dir, # train 이미지 폴더   
        target_size=(300, 300), 300x300을 해줌으로써 데이터들 통째로 변경 가능
        batch_size=128,
        class_mode='binary') # 말과 사람 분리니 binary 
validation_generator = validation_datagen.flow_from_directory(
        valid_dir,
        target_size=(300, 300), 
        batch_size=32,
        class_mode='binary')
history = model.fit(
      train_generator,
      steps_per_epoch=8,  
      epochs=15,
      verbose=1,
      validation_data = validation_generator,
      validation_steps=8) # model.fit 때 validation data를 넣어주면 train epoch마다 validation set으로 평가하는데 8개씩 뽑아서 평가한다.
##################
# 실제 predict 시 
classes = model.predict(images, batch_size=10)
if classes[0] > 0.5:
	then human
else:
	then horse #로 구현할 수 있다.

이미지 데이터를 300300을 150150으로 변경해서 시간 소요를 측정해보면 더 빠르고, accuracy 도 나쁘지 않다. 데이터 입력 크기 자체도 고려해서 모델을 짜는것이 좋다.