Skip to content
New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

Sign up for GitHub

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

Jump to bottom

Update flow_from_dataframe #113

Merged
merged 2 commits into from
Sep 16, 2019
Merged

Update flow_from_dataframe #113

Changes from all commits
Commits
Show all changes
2 commits
Select commit Hold shift + click to select a range
f1c2320
Update flow_from_dataframe
Uwonsang Sep 15, 2019
5f5ea8f
Update flow_from_directory standardize
Uwonsang Sep 15, 2019
File filter

Filter by extension

Filter by extension
Conversations
Failed to load comments.
Loading
Jump to
Jump to file
Failed to load files.
Loading
Diff view
Diff view
117 changes: 47 additions & 70 deletions sources/preprocessing/image.md
View file
Open in desktop
Original file line number Diff line number Diff line change
Expand Up @@ -314,87 +314,60 @@ __반환값__


```python
flow_from_dataframe(dataframe, directory, x_col='filename', y_col='class', has_ext=True, target_size=(256, 256), color_mode='rgb', classes=None, class_mode='categorical', batch_size=32, shuffle=True, seed=None, save_to_dir=None, save_prefix='', save_format='png', subset=None, interpolation='nearest')
flow_from_dataframe(dataframe, directory=None, x_col='filename', y_col='class', target_size=(256, 256), color_mode='rgb', classes=None, class_mode='categorical', batch_size=32, shuffle=True, seed=None, save_to_dir=None, save_prefix='', save_format='png', subset=None, interpolation='nearest', drop_duplicates=True)
```


dataframe과 디렉토리의 위치를 전달받아
증강/정규화된 데이터의 배치를 생성합니다.
dataframe과 디렉토리의 위치를 전달받아 증강/정규화된 데이터의 배치를 생성합니다.

__다음 링크에서 간단한 튜토리얼을 확인하실 수 있습니다: http://bit.ly/keras_flow_from_dataframe__


__인수__

dataframe: 이미지의 파일 이름을 한 열, 그리고 클래스를 다른 열에 갖거나,
미가공된 표적 데이터로써 전달할 열을 소유한
pandas dataframe.
directory: 문자열, dataframe 내 매핑된 모든 이미지가 위치한
표적 디렉토리에의 경로.
x_col: 문자열, 표적 이미지의 파일 이름을 가진
dataframe 내 열.
y_col: 문자열 혹은 문자열의 리스트, 표적 데이터가 될
dataframe 내 열.
has_ext: 불리언, dataframe[x_col]의 파일 이름이 파일 확장자를
가지면 참, 아니면 거짓.
target_size: 정수의 튜플 `(높이, 넓이)`,
디폴트 값: `(256, 256)`.
모든 이미지의 크기를
재조정할 치수.
color_mode: "grayscale"과 "rbg" 중 하나. 디폴트 값: "rgb".
이미지가 1개 혹은 3개의 색깔 채널을 갖도록
변환할지 여부.
classes: 클래스로 이루어진 선택적 리스트
(예. `['dogs', 'cats']`). 디폴트 값: None.
특별히 값을 지정하지 않으면, 클래스로 이루어진 리스트가
y_col에서 자동으로 유추됩니다
(이는 영숫자순으로 라벨 색인에 대응됩니다).
`class_indices` 속성을 통해서 클래스 이름과 클래스 색인 간 매핑을 담은
딕셔너리를 얻을 수 있습니다.
class_mode: "categorical", "binary", "sparse",
"input", "other" 혹은 None 중 하나. 디폴트 값: "categorical".
반환될 라벨 배열의 종류를 결정합니다:
- `"categorical"`은 2D 형태의 원-핫 인코딩된 라벨입니다,
- `"binary"`는 1D 형태의 이진 라벨입니다,
- `"sparse"`는 1D 형태의 정수 라벨입니다,
- `"input"`는 인풋 이미지와

동일한 이미지입니다 (주로 자동 인코더와 함께 사용합니다).

- `"other"`는 y_col 데이터의 numpy 배열입니다.
- None의 경우, 어떤 라벨도 반환되지 않습니다 (생성자가
이미지 데이터의 배치만 만들어내기 때문에

`model.predict_generator()`, `model.evaluate_generator()` 등을 사용하는 것이 유용합니다).

batch_size: 데이터 배치의 크기 (디폴트 값: 32).
shuffle: 데이터를 뒤섞을지 여부 (디폴트 값: 참)
seed: 데이터 셔플링과 변형에 사용할 선택적 난수 시드.
save_to_dir: None 혹은 문자열 (디폴트 값: None).
이는 디렉토리를 선택적으로 지정해서
생성된 증강 사진을 저장할 수 있도록 해줍니다.
(현재 작업을 시각화하는데 유용합니다).
save_prefix: 문자열. 저장된 사진의 파일 이름에 사용할 접두부호
(`save_to_dir`이 설정된 경우에만 유의미합니다).
save_format: "png"와 "jpeg" 중 하나
(`save_to_dir`이 설정된 경우에만 유의미합니다). 디폴트 값: "png".
follow_links: 클래스 하위 디렉토리 내 심볼릭 링크를 따라갈지 여부
(디폴트 값: 거짓).
subset: `ImageDataGenerator`에 `validation_split`이 설정된 경우
데이터의 부분집합 (`"training"` or `"validation"`).
interpolation: Interpolation method used to resample the image if the
target size is different from that of the loaded image.
지원되는 메서드로는 `"nearest"`, `"bilinear"`, 그리고 `"bicubic"`이 있습니다.
PIL 버전 1.1.3 이상이 설치된 경우, `"lanczos"`도 지원됩니다.
PIL 버전 3.4.0 이상이 설치된 경우, `"box"`와
`"hamming"` 또한 지원됩니다. 디폴트 값으로 `"nearest"`가 사용됩니다.
- __dataframe__: Pandas dataframe containing the filepaths relative to 'directory' (or absolute paths
if `directory` is None) of the images in a string column. It should include other column/s
depending on the `class_mode`: - if `class_mode` is `"categorical"` (default value) it must include
the y_col column with the class/es of each image. Values in column can be string/list/tuple if
a single class or list/tuple if multiple classes. - if 'class_mode' is '"binary"' or '"sparse"' it must include the given 'y_col' column with class values as strings. - if 'class_mode' is '"other"' it
should contain the columns specified in 'y_col'. - if 'class_mode' is '"input"' or 'None' no extra
column is needed.

- __directory__: string, path to the directory to read images from. If 'None', data in 'x_col' column
should be absolute paths.
- __x_col__: string, column in 'dataframe' that contains the filenames (or absolute paths if 'directory' is 'None').
- __y_col__: string or list, column/s in dataframe that has the target data.
- __target_size__: 정수의 튜플 `(높이, 넓이)`, 디폴트 값: `(256, 256)`. 모든 이미지의 크기를 재조정할 치수.
- __color_mode__: "grayscale"과 "rbg" 중 하나. 디폴트 값: "rgb". 이미지가 1개 혹은 3개의 색깔 채널을 갖도록
변환할지 여부.
- __classes__: 클래스로 이루어진 선택적 리스트 (예. `['dogs', 'cats']`). 디폴트 값: None. 특별히 값을 지정하지 않으면, 클래스로 이루어진 리스트가 `y_col`에서 자동으로 유추됩니다 (이는 영숫자순으로 라벨 색인에 대응됩니다). `class_indices` 속성을 통해서 클래스 이름과 클래스 색인 간 매핑을 담은 딕셔너리를 얻을 수 있습니다.
- __class_mode__: "categorical", "binary", "sparse", "input", "other" 혹은 None 중 하나. 디폴트 값: "categorical".
Mode for yielding the targets:
- `"binary"`: 1D numpy array of binary labels,
- `"categorical"`: 2D numpy array of one-hot encoded labels. Supports multi-label output.
- `"sparse"`: 1D numpy array of integer labels,
- `"input"`: images identical to input images (mainly used to work with autoencoders),
- `"other"`: numpy array of y_col data,
- `None`, no targets are returned (the generator will only yield batches of image data, which is
useful to use in `model.predict_generator()`).
- __batch_size__: 데이터 배치의 크기 (디폴트 값: 32).
- __shuffle__: 데이터를 뒤섞을지 여부 (디폴트 값: 참)
- __seed__: 데이터 셔플링과 변형에 사용할 선택적 난수 시드.
- __save_to_dir__: None 혹은 문자열 (디폴트 값: None).이는 디렉토리를 선택적으로 지정해서
생성된 증강 사진을 저장할 수 있도록 해줍니다. (현재 작업을 시각화하는데 유용합니다).
- __save_prefix__: 문자열. 저장된 사진의 파일 이름에 사용할 접두부호 (`save_to_dir`이 설정된 경우에만 유의미합니다).
- __save_format__: "png"와 "jpeg" 중 하나 (`save_to_dir`이 설정된 경우에만 유의미합니다). 디폴트 값: "png".
- __follow_links__: 클래스 하위 디렉토리 내 심볼릭 링크를 따라갈지 여부 (디폴트 값: 거짓).
- __subset__: `ImageDataGenerator`에 `validation_split`이 설정된 경우 데이터의 부분집합 (`"training"` or `"validation"`).
- __interpolation__: Interpolation method used to resample the image if the target size is different from that of the loaded image. 지원되는 메서드로는 `"nearest"`, `"bilinear"`, 그리고 `"bicubic"`이 있습니다.
PIL 버전 1.1.3 이상이 설치된 경우, `"lanczos"`도 지원됩니다. PIL 버전 3.4.0 이상이 설치된 경우, `"box"`와
`"hamming"` 또한 지원됩니다. 디폴트 값으로 `"nearest"`가 사용됩니다.
- __drop_duplicates__: Boolean, whether to drop duplicate rows based on filename.

__반환값__

`(x, y)` 튜플을 만들어내는 A DataFrameIterator
여기서 `x`는 `(배치 크기, *표적 크기, 채널)` 형태의
이미지 배치로 구성된 numpy 배열이고
`y`는 그에 상응하는 라벨로 이루어진 numpy 배열입니다.
`(x, y)` 튜플을 만들어내는 A `DataFrameIterator` 여기서 `x`는 `(배치 크기, *표적 크기, 채널)` 형태의
이미지 배치로 구성된 numpy 배열이고 `y`는 그에 상응하는 라벨로 이루어진 numpy 배열입니다.

---
### flow_from_directory
Expand All @@ -409,7 +382,7 @@ flow_from_directory(directory, target_size=(256, 256), color_mode='rgb', classes

__인수__

- __directory__: 표적 디렉토리에의 경로.
- __directory__: string, 표적 디렉토리에의 경로.
반드시 한 클래스 당 하나의 하위 디렉토리가 있어야 합니다.
각 하위 디렉토리 내에 위치한
어떤 PNG, JPG, BMP, PPM 혹은 TIF 이미지도
Expand Down Expand Up @@ -534,6 +507,10 @@ standardize(x)

인풋의 배치에 정규화 구성을 적용합니다.

`x` is changed in-place since the function is mainly used internally to standarize images and feed them to your network. If a copy of `x` would be created instead it would have a significant performance cost. If you want to apply this method without changing the input in-place you can call the method creating a copy before:

standarize(np.copy(x))

__인수__

- __x__: 정규화할 인풋의 배치.
Expand Down