tensorflow圖像數據預處理keras版本

這裏用cifer2作爲數據集（airplane和automobile）
訓練集各有5000張,測試集各有1000張

數據增強
利用keras中的圖片數據預處理工具ImageDataGenerator我們可以對圖片數據進行旋轉翻轉縮放等數據增強

數據增強相關說明：
1.rotation_range :是角度值（0-180）表示圖像隨機旋轉的角度範圍
2.width_shift和height_shitf是圖像在水平或垂直方向上平移的範圍
3.shear_range是隨機錯切變換的角度
4.zoomrange是圖像隨機縮放的範圍
5.horizontal_flip是隨機將一半的圖像反轉
6.fill_mode是用於填充新創像素的方法,這些新像素可能來自於旋轉或者寬度/高度平移

導入數據
使用ImagdataGenerator的flow_from_directory方法可以從文件夾中導入圖片數據，轉換成固定尺寸的張量，這個方法得到一個可以讀取圖片數據的生成器generator

構建模型
from keras import models,layers,optimizers
from keras import backend as k

k.clear_session()
mode=models.Sequential()
model.add(layers.Flatten(input_shape = (32,32,3)))
model.add(layers.Dense(64,activation=‘relu’))
model.add(layers.Dense(1,activation=‘sigmoid’))

model.compile(loss=‘binary_crossentropy’,optimizer=optimizers.RMSprop(lr=1e-4),metrics=[‘auc’])
model.summary()