數據預處理

• 在使用 TensorFlow 作為後端的時候，在 Keras 中，CNN 的輸入是一個4維數組（也被稱作4維張量），它的各維度尺寸為 (nb_samples, rows, columns, channels)。其中 nb_samples 表示圖像（或者樣本）的總數，rows, columns, 和 channels 分別表示圖像的行數、列數和通道數。

• 下方的 path_to_tensor 函數實現如下將彩色圖像的字符串型的文件路徑作為輸入，返回一個4維張量，作為 Keras CNN 輸入。因為我們的輸入圖像是彩色圖像，因此它們具有三個通道（ channels 為 3）。
  1. 該函數首先讀取一張圖像，然後將其縮放為 224×224 的圖像。
  2. 隨後，該圖像被調整為具有4個維度的張量。
  3. 對於任一輸入圖像，最後返回的張量的維度是：(1, 224, 224, 3)。

• paths_to_tensor 函數將圖像路徑的字符串組成的 numpy 數組作為輸入，並返回一個4維張量，各維度尺寸為 (nb_samples, 224, 224, 3)。 在這裏，nb_samples是提供的圖像路徑的數據中的樣本數量或圖像數量。你也可以將 nb_samples 理解為數據集中3維張量的個數（每個3維張量表示一個不同的圖像。

  from keras.preprocessing import image                  
  from tqdm import
   
   tqdm
  
  def path_to_tensor(img_path):
      # 用PIL加載RGB圖像為PIL.Image.Image類型
      img = image.load_img(img_path, target_size=(224, 224))
      # 將PIL.Image.Image類型轉化為格式為(224, 224, 3)的3維張量
      x = image.img_to_array(img)
      # 將3維張量轉化為格式為(1, 224, 224, 3)的4維張量並返回
      return np.expand_dims(x, axis=0)
  
  def paths_to_tensor(img_paths):
      list_of_tensors 
   
  = [path_to_tensor(img_path) for img_path in tqdm(img_paths)]
      return np.vstack(list_of_tensors)

keras數據預處理