Keras中图片数据预处理步骤总结

将硬盘中的图片文件预处理后生成浮点数张量，步骤如下：

（1）读取图像文件

（2）将文件解码为RGB像素网格

（3）将像素网格转换为浮点数张量

（4）将像素值（0-255）缩放到（0-1）区间

在Keras中，以上步骤可通过ImageDataGenerator类完成，该类位于keras.preprocessing.image模块中，ImageDataGenerator()是keras.preprocessing.image模块中的图片生成器，同时也可以在batch中对数据进行增强，扩充数据集大小，增强模型的泛化能力。比如进行旋转，变形，归一化等等。如将图像缩放为1/255：

gen = ImageDataGenerator(rescale=1/255)

完成图像处理后，通过ImageDataGenerator对象可得到增强数据生成器，生成小批量梯度下降所需的数据：

generator = gen.flow_from_directory(图片来源路径，目标矩阵大小，批量大小，类别描述方式)

注意：类别描述方式参数是class_mode，可选binary：二分类即标签用01描述，损失函数用binary_crossentropy；categorical：多分类即标签用one-hot型描述，损失函数用categorical_crossentropy，sparse：多分类标签可为数字，损失函数用sparse_categorical_crossentropy

接下来利用生成器可以进行训练了：

history = model.fit_generator(generator,steps_per_epoch,epochs,validation_data,validation_steps)

注意，steps_per_epoch是指按生成器每次生成的数据条数，要将数据全部训练一次需要多少批，比如全部数据1000条，生成器每次20条，则steps_per_epoch为50；epochs指全部训练的次数，后面的validation_data是指验证集生成器，validation_steps是指验证集全部训练一次需要多少批。