val_ds = tf.keras.preprocessing.image_dataset_from_directory

这是一个 TensorFlow 的预处理模块中的函数，用于从给定的目录中读取图像数据集，并将其转换为 TensorFlow 数据集对象。它具有以下参数：

- `directory`：要读取图像数据的目录路径。
- `labels`：可选参数，如果设置为 `"inferred"`，则将使用目录名称作为标签。否则，可以提供一个字典，将目录名称映射到标签。
- `label_mode`：可选参数，指定标签的类型。默认为 `"int"`，表示使用整数编码的标签。也可以设置为 `"categorical"`，表示使用独热编码的标签。
- `batch_size`：一个整数，指定返回的数据集中每个批次的样本数。
- `image_size`：一个元组，指定输入图像的大小。
- `validation_split`：可选参数，指定用于验证集的数据比例。默认为 0.2，表示将 20% 的数据用于验证集。
- `seed`：用于随机拆分数据集的随机种子。

该函数将返回一个 TensorFlow 数据集对象，其中包含了从目录中读取的图像数据和相应的标签。可以使用 `prefetch()` 和 `cache()` 方法对数据集进行优化，以提高读取和处理数据的效率。例如：

val_ds = tf.keras.preprocessing.image_dataset_from_directory(
    directory='path/to/data',
    labels='inferred',
    label_mode='int',
    batch_size=32,
    image_size=(224, 224),
    validation_split=0.2,
    seed=123
)

val_ds = val_ds.cache().prefetch(buffer_size=10)