如何用TensorFlow加载自己的二分类图像数据集

首先，你需要将你的图像数据集组织成两个文件夹，一个是包含正类图像的文件夹，一个是包含负类图像的文件夹。接下来，你需要安装 TensorFlow 并导入相关模块：

import tensorflow as tf
from tensorflow.keras.preprocessing.image import ImageDataGenerator

然后，你需要设置一些变量来表示你的数据集路径和图像大小：

train_dir = 'path/to/training/directory'
test_dir = 'path/to/testing/directory'
img_height = 224
img_width = 224

接下来，你需要使用 ImageDataGenerator 来加载数据，同时进行数据增强和归一化：

train_datagen = ImageDataGenerator(
    rescale=1./255, # 归一化
    shear_range=0.2, # 随机裁剪
    zoom_range=0.2, # 随机缩放
    horizontal_flip=True) # 水平翻转

test_datagen = ImageDataGenerator(rescale=1./255)

train_generator = train_datagen.flow_from_directory(
    train_dir,
    target_size=(img_height, img_width),
    batch_size=32,
    class_mode='binary')

validation_generator = test_datagen.flow_from_directory(
    test_dir,
    target_size=(img_height, img_width),
    batch_size=32,
    class_mode='binary')

最后，你可以使用 `model.fit()` 方法来训练你的模型：

model.fit(
    train_generator,
    steps_per_epoch=train_generator.samples//train_generator.batch_size,
    validation_data=validation_generator,
    validation_steps=validation_generator.samples//validation_generator.batch_size,
    epochs=10)

这里，`steps_per_epoch` 和 `validation_steps` 表示每个 epoch 中迭代的步数。你可以根据需要调整这些参数。