2.4 圖片資料夾載入

範例程式：

影像分類最常見的資料格式，是用資料夾名稱代表類別。本篇示範如何使用 tf.keras.utils.image_dataset_from_directory 從資料夾建立 train/validation dataset。

1. 學習目標

這篇處理的是自己的圖片資料集如何載入 TensorFlow。只要資料夾結構清楚，Keras 可以自動讀取圖片、建立 label 並輸出 tf.data.Dataset。

2. 建議資料夾格式

dataset/
├── class_a/
│   ├── img001.jpg
│   └── img002.jpg
└── class_b/
    ├── img001.jpg
    └── img002.jpg

資料夾名稱會成為類別名稱。

3. 載入時要設定什麼？

常見參數包含 image_size、batch_size、validation_split、subset、seed 與 label_mode。若要可重現，train/validation 必須使用相同 seed。

4. 實作流程

Notebook 會先建立一個小型示範圖片資料夾，分成 vertical 與 horizontal 兩個類別，再用 image_dataset_from_directory 載入。最後接一個簡單 CNN，不是為了追求影像模型表現，而是確認資料夾、label、batch shape 與訓練流程都能接起來。

5. 如何套用自己的資料？

把 DATASET_DIR 改成自己的圖片根目錄，確認每個子資料夾是一個類別，再依照任務調整圖片大小與 batch size。若類別資料夾數量很多，建議先印出 class_names 並抽幾個 batch 檢查圖片與 label 是否對得上。

6. 小結

image_dataset_from_directory 是影像 cookbook 的基礎入口。當圖片已依類別放好資料夾時，它能快速建立標準 TensorFlow 資料管線。