Jupyter Notebook如何导入图像数据用于训练？

在Jupyter Notebook中导入图像数据用于训练通常需要使用Python的图像处理库PIL (Pillow) 或者`ImageDataGenerator`模块，以及深度学习框架如TensorFlow或Keras。以下是一个基本步骤：

1. 导入所需库：

import os
import numpy as np
from PIL import Image
import tensorflow as tf
from tensorflow.keras.preprocessing.image import ImageDataGenerator

2. 定义图像路径：

image_dir = 'path_to_your_image_directory'
train_dir = os.path.join(image_dir, 'train')
validation_dir = os.path.join(image_dir, 'validation')

3. 创建`ImageDataGenerator`实例：
这里你可以设置数据增强，以便训练时增加样本多样性：

train_datagen = ImageDataGenerator(rescale=1./255., # 归一化像素值
                                   rotation_range=20, # 随机旋转
                                   width_shift_range=0.2, # 水平移动
                                   height_shift_range=0.2, # 竖直移动
                                   shear_range=0.2, # 切割变换
                                   zoom_range=0.2, # 缩放
                                   horizontal_flip=True, # 水平翻转
                                   fill_mode='nearest') # 数据填充方式

validation_datagen = ImageDataGenerator(rescale=1./255) # 验证集只做简单归一化

4. 加载数据并生成批次：

train_generator = train_datagen.flow_from_directory(
    train_dir,  
    target_size=(img_height, img_width),  # 图像尺寸
    batch_size=batch_size,
    class_mode='binary'  # 根据你的任务可能是二进制标签
)

validation_generator = validation_datagen.flow_from_directory(
    validation_dir,
    target_size=(img_height, img_width),
    batch_size=batch_size,
    class_mode='binary'
)

5. 使用生成器训练模型：

model.fit(
    train_generator,
    epochs=num_epochs,
    steps_per_epoch=len(train_generator),
    validation_data=validation_generator,
    validation_steps=len(validation_generator)
)

记得替换上述代码中的`img_height`, `img_width`, `batch_size`, `num_epochs`和文件夹路径。