如何调用image_generator.flow_from_directory读取的图片

在Keras的ImageDataGenerator类中，`flow_from_directory`方法是一个用于从目录结构中生成图像数据集的便捷工具。以下是调用这个方法的基本步骤：

1. 首先，你需要导入所需的库和模块：

from tensorflow.keras.preprocessing.image import ImageDataGenerator

2. 创建ImageDataGenerator实例，并设置必要的参数。例如，指定数据源的路径、图像大小、批处理大小等：

img_datagen = ImageDataGenerator(rescale=1./255, # 对像素值归一化
                                 rotation_range=20,  # 图像随机旋转角度范围
                                 width_shift_range=0.2, # 水平平移范围
                                 height_shift_range=0.2, # 垂直平移范围
                                 shear_range=0.2,     # 切割角度
                                 zoom_range=0.2,      # 缩放比例
                                 horizontal_flip=True, # 水平翻转
                                 vertical_flip=False)  # 垂直翻转

3. 使用`flow_from_directory`方法，传入训练或验证数据的根目录，以及一些额外选项，如目标类别数（如果有的话）、shuffle（是否打乱顺序）和batch_size：

train_data_gen = img_datagen.flow_from_directory(
    'path/to/train/directory',  
    target_size=(img_height, img_width),  # 根据需要设定的图像尺寸
    batch_size=batch_size,
    class_mode='binary' if binary_classification else 'categorical',  # 类别模式
    shuffle=True,
)

4. 如果你想同时获取标签和图像，可以这样调用：

(x_train, y_train) = train_data_gen.next()

这里，x_train就是包含图像的数据，y_train则是对应的标签。