[tensorflow] tf.data를 사용해 이미지 데이터 학습시키기

tf.data는 datagenerator를 사용하지 않는다.

 

이미지 가져오기

- 읽어온 이미지를 batch size만큼 묶어줘야 한다.

- shuffle을 사용해 읽어온 이미지들의 순서를 섞어준다. 

dataset=tf.data.Dataset.from_tensor_slices(data_paths)
dataset=dataset.map(read_image)
dataset = dataset.batch(batch_size)
dataset=dataset.shuffle(buffer_size=len(data_paths))  

 

이미지의 레이블 값 가져오기

 def get_label(path):
    fname=tf.strings.split(path,'_')[-1]
    cls_name=tf.strings.regex_replace(fname,'.png','')
    onehot_encoding=tf.cast(class_names==cls_name, tf.uint8)
    return onehot_encoding

 

Image Augmentation 작업

- 이전에 이미지를 회전하고 움직이는 변형작업을 했던 것처럼 이미지를 변형하는 작업을 해준다.

def image_preprocess(image, label):
    image=tf.image.random_flip_left_right(image)
    image=tf.image.random_flip_up_down(image)
    return image, label

 

 

학습 진행

- epoch 값은 batch size를 사용해서 직접 계산해야 한다.

- fit_generator를 사용해서 학습을 진행한다.

steps_per_epoch=len(train_paths)//batch_size
validation_steps=len(test_paths)//batch_size  #둘다 직접 계산해야 함

model.fit_generator(
    train_dataset,
    steps_per_epoch=steps_per_epoch,
    validation_data=test_dataset,
    validation_steps=validation_steps,
    epochs=num_epochs


)