tensorflow 将图像数据划分为训练集和验证集

Tensorflow 中可以使用 `ImageDataGenerator` 来生成图像数据，并使用 `flow_from_directory` 函数将数据集分成训练集和验证集。具体步骤如下：

1. 首先，将图像数据按照类别分别存放在不同的文件夹中，例如将所有猫的图像存放在一个文件夹中，将所有狗的图像存放在另一个文件夹中。

2. 使用 `ImageDataGenerator` 来对图像进行预处理，例如进行数据增强或归一化等操作。

3. 使用 `flow_from_directory` 函数来将数据集分成训练集和验证集。该函数的参数包括：

- `directory`: 数据集所在的文件夹路径。

- `target_size`: 图像大小。

- `batch_size`: 每个 batch 中的图像数量。

- `class_mode`: 类别模式，可以是 "binary" 或 "categorical"。

- `shuffle`: 是否打乱数据集。

- `subset`: 可选参数，指定数据集是训练集还是验证集。

例如，以下代码将图像数据集分为训练集和验证集：

from tensorflow.keras.preprocessing.image import ImageDataGenerator

train_datagen = ImageDataGenerator(rescale=1./255, validation_split=0.2)
train_generator = train_datagen.flow_from_directory(directory='path/to/dataset',
                                                    target_size=(224, 224),
                                                    batch_size=32,
                                                    class_mode='categorical',
                                                    subset='training')

validation_generator = train_datagen.flow_from_directory(directory='path/to/dataset',
                                                         target_size=(224, 224),
                                                         batch_size=32,
                                                         class_mode='categorical',
                                                         subset='validation')

其中，`validation_split` 参数指定验证集占总数据集的比例，`subset` 参数指定是训练集还是验证集。