跳轉到

4.2 自己的圖片資料集

範例程式：Open In Colab

使用 image_dataset_from_directory 載入資料夾圖片，建立可替換成自己圖片資料的 CNN 分類流程。這篇承接 4.1 的 CNN 概念，把資料來源從內建資料集改成實務中最常見的圖片資料夾。

1. 學習目標

很多實務影像分類任務的資料都整理成資料夾，例如 cats/、dogs/，或 good/、defect/。這篇示範如何用資料夾結構直接建立 TensorFlow dataset。

2. 資料夾格式

image_dataset_from_directory 預期資料夾長這樣：

dataset/
├── class_a/
│   ├── image_001.jpg
│   └── image_002.jpg
└── class_b/
    ├── image_001.jpg
    └── image_002.jpg

每個子資料夾名稱就是類別名稱。

3. 實作重點

本篇使用 TensorFlow 官方 flower_photos 作為範例資料。這份資料包含多種花卉類別，適合示範多類別圖片資料夾如何被轉成 train/validation dataset。讀者只要把 data_dir 換成自己的資料夾路徑，就能沿用同一套流程。

4. 如何套用自己的資料？

  1. 將圖片依類別放進不同資料夾。
  2. 修改 data_dir。
  3. 確認 img_size 與 batch_size。
  4. 最後一層輸出神經元數量等於類別數。
  5. 先檢查 class_names 與抽樣圖片，確認資料夾名稱、label 與圖片內容一致。

5. 小結

這篇是影像 cookbook 最重要的模板之一，因為它直接對應實務中最常見的圖片資料整理方式。