如何用tf.keras.preprocessing.image_dataset_from_directory()生成训练集、验证集和测试集，三者比例为6：2：2

您好！感谢您的问题。为了生成训练集、验证集和测试集，您可以按照以下步骤使用TensorFlow中的tf.keras.preprocessing.image_dataset_from_directory()方法：

1. 导入所需的库和模块：

import tensorflow as tf
import os

2. 定义一个目录路径，其中包含您的数据集。数据集应该按照以下方式组织：一个目录包含训练图像，一个目录包含验证图像，一个目录包含测试图像。每个目录应包含标签名称的子目录，例如：

data/
  train/
    cat/
      cat.1.jpg
      cat.2.jpg
      ...
    dog/
      dog.1.jpg
      dog.2.jpg
      ...
  validation/
    cat/
      cat.1.jpg
      cat.2.jpg
      ...
    dog/
      dog.1.jpg
      dog.2.jpg
      ...
  test/
    cat/
      cat.1.jpg
      cat.2.jpg
      ...
    dog/
      dog.1.jpg
      dog.2.jpg
      ...

3. 设置一些参数：

batch_size = 32 # 指定批处理大小
img_size = (224, 224) # 图像大小
directory = 'path/to/your/dataset/folder' # 目录路径

4. 使用tf.keras.preprocessing.image_dataset_from_directory()方法生成数据集：

# 生成训练集
train_ds = tf.keras.preprocessing.image_dataset_from_directory(
    directory,
    validation_split=0.2, # 拆分出20%的数据集作为验证集
    subset='training', # 训练集
    seed=123,
    image_size=img_size,
    batch_size=batch_size)

# 生成验证集
val_ds = tf.keras.preprocessing.image_dataset_from_directory(
    directory,
    validation_split=0.2,
    subset='validation', # 验证集
    seed=123,
    image_size=img_size,
    batch_size=batch_size)

# 生成测试集
test_ds = tf.keras.preprocessing.image_dataset_from_directory(
    directory,
    validation_split=0.2,
    subset='validation', # 测试集
    seed=123,
    image_size=img_size,
    batch_size=batch_size)

这样，您就可以使用3个变量访问train_ds、val_ds和test_ds数据集了。

希望对你有所帮助，如果你还有其他问题，随时提出！