【TensorFlow2.0】数据读取与使用方式

大家好，这是专栏《TensorFlow2.0》的第三篇文章，讲述如何使用TensorFlow2.0读取和使用自己的数据集。

如果您正在学习计算机视觉，无论你通过书籍还是视频学习，大部分的教程讲解的都是MNIST等已经为用户打包封装好的数据集，用户只需要load_data即可实现数据导入。但是在我们平时使用时，无论您是做分类还是检测或者分割任务，我们不可能每次都能找到打包好的数据集使用，大多数时候我们使用的都是自己的数据集，也就是我们需要从本地读取文件。因此我们是很有必要学会数据预处理这个本领的。本篇文章，我们就聊聊如何使用TensorFlow2.0对自己的数据集进行处理。

作者&编辑 | 汤兴旺

在TensorFlow2.0中，对数据处理的方法有很多种，下面我主要介绍两种我自认为最好用的数据预处理的方法。

1 使用Keras API对数据进行预处理

1.1 数据集

本文用到的数据集是表情分类数据集，数据集有1000张图片，包括500张微笑图片，500张非微笑图片。图片预览如下：

微笑图片：

非微笑图片：

数据集结构组织如下：

其中800张图片用来训练，200张用来测试，每个类别的样本也是相同的。

1.2 数据预处理

我们知道，在将数据输入神经网络之前，需要将数据格式化为经过预处理的浮点数张量。现在我们看看数据预处理的步骤，如下图：

这个步骤虽然看起来比较复杂，但在TensorFlow2.0的高级API Keras中有个比较好用的图像处理的类ImageDataGenerator，它可以将本地图像文件自动转换为处理好的张量。

接下来我们通过代码来解释如何利用Keras来对数据预处理，完整代码如下：

from tensorflow.keras.preprocessing.image import ImageDataGenerator

train_data_dir = r"D://Learning//tensorflow_2.0//smile//data//train"
val_data_dir = r"D://Learning//tensorflow_2.0//smile//data//val"

img_width,img_height = 48,48
batch_size = 16

train_datagen = ImageDataGenerator(
       rescale=1./255,
       shear_range=0.2,
       horizontal_flip=True)
val_datagen = ImageDataGenerator(rescale=1. / 255)
train_generator = train_datagen.flow_from_directory(
       train_data_dir,
       target_size=(img_width, img_height),
       batch_size=batch_size)

val_generator = val_datagen.flow_from_directory(
       val_data_dir,
       target_size=(img_width, img_height),
       batch_size=batch_size)

在上面的代码中，我们首先导入ImageDataGenerator，即下面代码：

from tensorflow.keras.preprocessing.image import ImageDataGenerator

ImageDataGenerator是tensorflow.keras.preprocessing.image模块中的图片生成器，同时也可以使用它在batch中对数据进行增强，扩充数据集大小，从而增强模型的泛化能力。

ImageDataGenerator中有众多的参数，如下：

tf.keras.preprocessing.image.ImageDataGenerator(

   featurewise_center=False,
   samplewise_center=False,
   featurewise_std_normalization=False,
   samplewise_std_normalization=False,
   zca_whitening=False,
   zca_epsilon=1e-6,
   rotation_range=0.,
   width_shift_range=0.,
   height_shift_range=0.,

   brightness_range,    

   shear_range=0.,
   zoom_range=0.,
   channel_shift_range=0.,
   fill_mode='nearest',
   cval=0.,
   horizontal_flip=False,
   vertical_flip=False,
   rescale=None,
   preprocessing_function=None,
   data_format=K.image_data_format())

具体含义如下：

featurewise_center：布尔值，使输入数据集去中心化（均值为0）

samplewise_center：布尔值，使输入数据的每个样本均值为0。

featurewise_std_normalization：布尔值，将输入除以数据集的标准差以完成标准化。

samplewise_std_normalization：布尔值，将输入的每个样本除以其自身的标准差。

zca_whitening：布尔值，对输入数据施加ZCA白化。

rotation_range：整数，数据增强时图片随机转动的角度。随机选择图片的角度，是一个0~180的度数，取值为0~180。

width_shift_range：浮点数，图片宽度的某个比例，数据增强时图片随机水平偏移的幅度。

height_shift_range：浮点数，图片高度的某个比例，数据增强时图片随机竖直偏移的幅度。 

shear_range：浮点数，剪切强度（逆时针方向的剪切变换角度）。是用来进行剪切变换的程度。

zoom_range：浮点数或形如[lower,upper]的列表，随机缩放的幅度，若为浮点数，则相当于[lower,upper] = [1 - zoom_range, 1+zoom_range]。用来进行随机的放大。

channel_shift_range：浮点数，随机通道偏移的幅度。

fill_mode：‘constant’，‘nearest’，‘reflect’或‘wrap’之一，当进行变换时超出边界的点将根据本参数给定的方法进行处理。

cval：浮点数或整数，当fill_mode=constant时，指定要向超出边界的点填充的值。

horizontal_flip：布尔值，进行随机水平翻转。随机的对图片进行水平翻转，这个参数适用于水平翻转不影响图片语义的时候。

vertical_flip：布尔值，进行随机竖直翻转。

rescale: 值将在执行其他处理前乘到整个图像上，我们的图像在RGB通道都是0~255的整数，这样的操作可能使图像的值过高或过低，所以我们将这个值定为0~1之间的数。

preprocessing_function: 将被应用于每个输入的函数。该函数将在任何其他修改之前运行。该函数接受一个参数，为一张图片（秩为3的numpy array），并且输出一个具有相同shape的numpy array。

下面看看我们对数据集增强后的一个效果，由于图片数量太多，我们显示其中9张图片，增强后图片如下：

大家可以多尝试下每个增强后的效果，增加些感性认识，数据增强和图片显示代码如下，只需要更改ImageDataGenerator中的参数，就能看到结果。

import matplotlib.pyplot as plt
from PIL import Image
from tensorflow.keras.preprocessing import image
import glob

datagen = ImageDataGenerator(rotation_range=30,rescale=1./255,
       shear_range=0.2,horizontal_flip=True)
gen_data=datagen.flow_from_directory(

        r"D://Learning//tensorflow_2.0//smile//datas//mouth//test", 

       batch_size=1,

  shuffle=False,                           save_to_dir=r"D://Learning//tensorflow_2.0//smile//datas//mouth//model",
       save_prefix='gen',
       target_size=(48, 48))
for i in range(9):
   gen_data.next()
name_list=glob.glob(r"D://Learning//tensorflow_2.0//smile//datas//mouth//model"+'/*')
fig = plt.figure()
for i in range(9):
   img = Image.open(name_list[i])
   sub_img = fig.add_subplot(331 + i)
   sub_img.imshow(img)
plt.show()

说完了数据增强，我们再看下ImageGenerator类下的函数flow_from_diectory。从这个函数名，我们也明白其就是从文件夹中读取图像。

train_generator = train_datagen.flow_from_directory(
       train_data_dir,
       target_size=(img_width, img_height),
       batch_size=batch_size)

flow_from_diectory中有如下参数：

directory：目标文件夹路径，对于每一个类，该文件夹都要包含一个子文件夹。

target_size：整数tuple，默认为(256, 256)。图像将被resize成该尺寸

color_mode：颜色模式，为"grayscale"和"rgb"之一，默认为"rgb"，代表这些图片是否会被转换为单通道或三通道的图片。

classes：可选参数，为子文件夹的列表，如['smile','neutral']，默认为None。若未提供，则该类别列表将从directory下的子文件夹名称/结构自动推断。每一个子文件夹都会被认为是一个新的类。(类别的顺序将按照字母表顺序映射到标签值)。

class_mode: "categorical", "binary", "sparse"或None之一。默认为"categorical。该参数决定了返回的标签数组的形式， "categorical"会返回2D的one-hot编码标签,"binary"返回1D的二值标签。"sparse"返回1D的整数标签，如果为None则不返回任何标签，生成器将仅仅生成batch数据。

batch_size：batch数据的大小，默认32。

shuffle：是否打乱数据，默认为True。

seed：可选参数，打乱数据和进行变换时的随机数种子。

save_to_dir：None或字符串，该参数能让你将数据增强后的图片保存起来，用以可视化。

save_prefix：字符串，保存数据增强后图片时使用的前缀, 仅当设置了save_to_dir时生效。

save_format："png"或"jpeg"之一，指定保存图片的数据格式，默认"jpeg"。

这些参数中的directory一定要弄清楚，它是指类别文件夹的上一层文件夹，在该数据集中，类别文件夹为smile和neutral，它的上一级文件夹是train。所以director为 r"D://Learning//tensorflow_2.0//smile//data//train"

另外，class这个参数也要注意，通常我们就采用默认None，directory的子文件夹就是标签。在该分类任务中标签就是smile和neutral。

以上就是在TensorFlow2.0中利用Keras这个高级API来对分类任务中的数据进行预处理。另外如果您需要完成一个目标检测等任务，则需要自定义一个类来继承ImageDataGeneraton。具体怎么操作，请期待我们的下回关于如何利用TensorFlow2.0处理目标检测任务的分享。

2 使用Dataset类对数据预处理

由于该方法在TensorFlow1.x版本中也有，大家可以比较查看2.0相对于1.x版本的改动地方。下面是TensorFlow2.0中使用的完整代码：

import tensorflow as tf

#from tensorflow.contrib.data import Dataset

#from tensorflow.python.framework import dtypes

#from tensorflow.python.framework.ops import convert_to_tensor

txtfile=r"D://Learning//tensorflow_2.0//smile//datas//train//train.txt"
batch_size = 64
num_classes = 2
image_size = (48,48)

class ImageData:
   def read_txt_file(self):
       self.img_paths = []
       self.labels = []
       for line in open(self.txt_file, 'r'):
           items = line.split(' ')
           self.img_paths.append(items[0])
           self.labels.append(int(items[1]))

   def __init__(self, txt_file, batch_size, num_classes,
                image_size, buffer_scale=100):
       self.image_size = image_size
       self.batch_size = batch_size
       self.txt_file = txt_file  ##txt list file,stored as: imagename id
       self.num_classes = num_classes
       buffer_size = batch_size * buffer_scale

       # 读取图片
       self.read_txt_file()
       self.dataset_size = len(self.labels)
       print("num of train datas=", self.dataset_size)

      # 转换成Tensor

       #self.img_paths=convert_to_tensor(self.img_paths, dtype=dtypes.string)

       #self.labels =convert_to_tensor(self.labels, dtype=dtypes.int32)

       # 转换成Tensor
       self.img_paths = tf.convert_to_tensor(self.img_paths, dtype=tf.string)
       self.labels = tf.convert_to_tensor(self.labels, dtype=tf.int32)

       # 创建数据集
       data = tf.data.Dataset.from_tensor_slices((self.img_paths, self.labels))
       print("data type=", type(data))
       data = data.map(self.parse_function)
       data = data.repeat(1000)
       data = data.shuffle(buffer_size=buffer_size)

       # 设置self data Batch
       self.data = data.batch(batch_size)
       print("self.data type=", type(self.data))

   def augment_dataset(self, image, size):
       distorted_image = tf.image.random_brightness(image,
                                                    max_delta=63)
       distorted_image = tf.image.random_contrast(distorted_image,
                                                  lower=0.2, upper=1.8)
       # Subtract off the mean and divide by the variance of the pixels.
       float_image = tf.image.per_image_standardization(distorted_image)
       return float_image

   def parse_function(self, filename, label):
       label_ = tf.one_hot(label, self.num_classes)

       #img = tf.read_file(filename)

       img = tf.io.read_file(filename)
       img = tf.image.decode_jpeg(img, channels=3)

       img = tf.image.convert_image_dtype(img, dtype=tf.float32)

       #img =tf.random_crop(img,[self.image_size[0],self.image_size[1],3])      

       img=tf.image.random_crop(img, [self.image_size[0], self.image_size[1], 3])
       img = tf.image.random_flip_left_right(img)
       img = self.augment_dataset(img, self.image_size)
       return img, label_

dataset = ImageData(txtfile, batch_size, num_classes, image_size)

上图中标红色的地方是tensorFlow2.0版本与1.x版本的区别，红色部分属于1.X版本。主要更改在contrib部分，在tensorFlow2.0中已经删除contrib了，其中有维护价值的模块会被移动到别的地方，剩余的都将被删除，这点大家务必注意。

如果您对上面代码有任何不明白的地方请移步之前的文章：【tensorflow速成】Tensorflow图像分类从模型自定义到测试

重要活动，本周有三AI纪念扑克牌发售中，只有不到100套的名额噢，先到先得！

有三AI纪念扑克牌

总结

本文主要介绍了如何在TensorFlow2.0中对自己的数据进行预处理。主要由两种比较好用的方法，第一种是TensorFlow2.0中特有的，即利用Keras高级API对数据进行预处理，第二种是利用Dataset类来处理数据，它和TensorFlow1.X版本基本一致。

下期预告：使用TensorFlow构建深度学习网络。

近期chat

今日看图猜技术

知识汇总

有三AI生态

转载文章请后台联系

侵权必究

更多请关注知乎专栏《有三AI学院》

往期精选