flow_from_directory

`flow_from_directory` 是 Keras 中一个用于从目录中读取图像数据的函数。它会从指定的目录读取图像文件，并将它们转换为可以输入到神经网络中的张量。这个函数还可以自动进行数据增强，以提高模型的泛化能力。

使用 `flow_from_directory` 函数需要指定以下参数：

- `directory`: 字符串，图像所在的目录路径。
- `target_size`: 元组，将图像缩放到的大小。
- `color_mode`: 颜色模式，可以是 "grayscale"（灰度图像）或 "rgb"（彩色图像）。
- `batch_size`: 整数，每个批次中包含的样本数。
- `class_mode`: 类别模式，可以是 "categorical"（多分类问题）、"binary"（二分类问题）或 None（无标签数据）。
- `shuffle`: 是否打乱样本的顺序。
- `seed`: 随机种子，用于打乱样本顺序的随机数生成器的种子值。
- `subset`: 子集类型，可以是 "training"（训练集）、"validation"（验证集）或 "testing"（测试集）。

`flow_from_directory` 函数会返回一个迭代器，可以使用 `next()` 方法从中获取一个批次的数据。例如：

from keras.preprocessing.image import ImageDataGenerator

datagen = ImageDataGenerator(rescale=1./255)

train_generator = datagen.flow_from_directory(
    'data/train',
    target_size=(224, 224),
    batch_size=32,
    class_mode='categorical')

x_batch, y_batch = next(train_generator)

这个例子中，我们使用一个 `ImageDataGenerator` 对象来对图像进行归一化处理，然后使用 `flow_from_directory` 函数从 "data/train" 目录中读取图像。每个批次包含 32 张大小为 (224, 224) 的彩色图像，标签使用多分类模式表示。最后，我们可以使用 `next()` 方法从迭代器中获取一个批次的数据。