怎么使用 ImageDataGenerator.from_directory() 函数预加载并转换文件路径。

`ImageDataGenerator.from_directory()` 是Keras提供的功能，它是一个方便的数据增强工具，可以直接从指定的文件夹加载图片，并进行数据预处理。你可以按照以下步骤使用它：

1. 导入所需的模块：

from tensorflow.keras.preprocessing.image import ImageDataGenerator

2. 初始化`ImageDataGenerator`，指定源目录、目标尺寸、颜色模式等属性：

datagen = ImageDataGenerator(rescale=1./255,  # 可选的预处理选项，这里把像素值归一化到0-1之间
                             rotation_range=20,   # 数据增强，随机旋转角度
                             width_shift_range=0.1, # 左右平移
                             height_shift_range=0.1, # 上下平移
                             shear_range=0.2,     # 切割变换
                             zoom_range=0.2)      # 缩放变换

这里的`rescale`参数可以调整数据预处理方式，如归一化。

3. 调用`.from_directory()`函数，传入文件夹路径，以及额外的参数（如batch_size、target_size等）：

train_generator = datagen.flow_from_directory(
    directory='path/to/train/directory',  # 训练数据源文件夹
    target_size=(img_width, img_height),   # 图片预处理的目标宽度和高度
    batch_size=batch_size,                  # 批次大小
    class_mode='categorical' if multiple_classes else 'binary',  # 根据情况选择分类或多分类
    shuffle=True,                            # 是否打乱数据顺序
    seed=42)                                 # 设置随机种子提高可复现性

其中，`directory` 参数是你图片所在的文件夹路径，`class_mode` 根据你的任务选择合适的类别模式（如二进制或多分类）。