for img in glob.glob()

这段代码使用了 Python 的 glob 模块中的 glob() 函数来匹配指定模式的文件路径。在循环中，使用 glob.glob() 函数来获取符合指定模式的文件路径，并将每个文件路径存储在变量 img 中进行遍历。

glob.glob() 函数接受一个字符串参数，该参数是一个文件路径模式。这个模式可以包含通配符（例如 * 和 ?），用于匹配文件名中的特定部分。函数将返回匹配模式的文件路径列表。

通过使用 glob.glob() 函数，你可以轻松地获取符合特定模式的文件列表。在循环中，你可以对每个文件执行自定义的操作，例如读取图片数据、进行图像处理等。

相关问题

def data_generator(): for folder in os.listdir("D:/wjd"): for file in os.listdir("D:/wjd/"+folder): file_paths = glob.glob('D:/wjd/*.png') for file_path in file_paths: img = Image.open(file_path) img = img.resize((224, 224)) img_arr = np.array(img) img_tensor = tf.convert_to_tensor(img_arr) img_tensor = tf.expand_dims(img_tensor, axis=0) print(img_tensor.shape) print(img_tensor.shape) # 输出张量的形状，我感觉不对，我应该删除那两行代码啊

是的，你是正确的。在这个数据生成器函数中，`print(img_tensor.shape)` 这行代码是不必要的，因为它只是输出张量的形状，而不是将它们返回给调用者。因此，你可以将这两行代码删除，如下所示：

def data_generator():
    for folder in os.listdir("D:/wjd"):
        for file in os.listdir("D:/wjd/"+folder):
            file_paths = glob.glob('D:/wjd/*.png')
            for file_path in file_paths:
                img = Image.open(file_path)
                img = img.resize((224, 224))
                img_arr = np.array(img)
                img_tensor = tf.convert_to_tensor(img_arr)
                img_tensor = tf.expand_dims(img_tensor, axis=0)
                yield img_tensor

这样修改后，这个函数将会生成一个张量序列，每个张量代表一个图片。你可以将这个函数作为参数传递给你的模型，用于训练和测试。

test_img = glob.glob(test_dir + '*.jpg')

`glob.glob()` 是一个用于获取指定文件夹下所有符合特定模式的文件路径的函数。在这里，`test_dir + '*.jpg'` 是一个指定文件路径模式的字符串，它将匹配 `test_dir` 文件夹下所有以 `.jpg` 结尾的文件，并返回一个包含这些文件路径的列表 `test_img`。这样就可以方便地获取指定文件夹下所有符合条件的图片文件的路径了。