TensorFlowのDataset.mapを使って画像とラベルのペアからなるデータセットを作成する方法

(画像, ラベル) のペアは、パス要素のリストを変換し、その後ラベルを整数形式にエンコードすることで作成されます。「map」メソッドを利用すると、この (画像, ラベル) ペアに対応するデータセットを簡単に構築できます。

使用するデータセットについて

本記事では、数千枚の花の画像を含む「flowers」データセットを使用します。このデータセットには5つのサブディレクトリが含まれており、各クラス（花の種類）ごとに1つのサブディレクトリが割り当てられています。

実行環境

以下のコードはGoogle Colaboratory上で実行しています。Google Colab（Colaboratory）を利用すると、ブラウザ上でPythonコードを実行でき、事前の環境設定は一切不要です。さらに、GPU（グラフィックス処理装置）にも無料でアクセスできます。ColaboratoryはJupyter Notebookをベースに構築されています。

print("The 'num_parallel_calls' is set so that multiple images are loaded and processed in parallel")
train_ds = train_ds.map(process_path, num_parallel_calls=AUTOTUNE)
val_ds = val_ds.map(process_path, num_parallel_calls=AUTOTUNE)

for image, label in train_ds.take(1):
    print("The shape of image is : ", image.numpy().shape)
    print("The label is : ", label.numpy())

出力結果

The 'num_parallel_calls' is set so that multiple images are loaded and processed in parallel
The shape of image is :  (180, 180, 3)
The label is :  0

コード引用元: https://www.tensorflow.org/tutorials/load_data/images

解説

• num_parallel_calls を設定することで、複数の画像を同時に読み込み・処理できます。AUTOTUNE を指定すると、TensorFlowが実行環境に応じて最適な並列数を自動的に選択します。
• 「map」メソッドを使用することで、(画像, ラベル) のペアを格納したデータセットを作成できます。
• 作成したデータセットを反復処理し、画像の形状（シェイプ）とラベルの値をコンソールに表示して確認します。

出力例では、画像の形状が (180, 180, 3)、つまり高さ180ピクセル・幅180ピクセル・3チャンネル（RGB）の画像であり、ラベルが整数値の 0 であることが確認できます。このように前処理済みのデータセットを事前に構築しておくことで、ニューラルネットワークの学習を効率的かつ高速に進めることができます。