먼저, 필요한 라이브러리를 import합니다.

from tensorflow.keras.preprocessing.image import ImageDataGenerator

다음으로, ImageDataGenerator를 초기화하고 필요한 매개변수를 설정합니다. 이미지 데이터를 전처리하기 위해 다양한 옵션들을 제공합니다. 예를 들어, rescale, rotation_range, width_shift_range, height_shift_range, shear_range, zoom_range, horizontal_flip, vertical_flip 등의 옵션을 사용하여 데이터를 변형할 수 있습니다.

datagen = ImageDataGenerator(
    rescale=1.0/255.0,
    rotation_range=20,
    width_shift_range=0.2,
    height_shift_range=0.2,
    shear_range=0.2,
    zoom_range=0.2,
    horizontal_flip=True,
    vertical_flip=True
)

이제 ImageDataGenerator를 사용하여 이미지 데이터를 불러올 수 있습니다. flow_from_directory() 메서드를 사용하여 디렉토리에서 이미지 데이터를 불러올 수 있습니다. 이 메서드는 이미지 데이터가 있는 디렉토리 경로와 이미지 크기, 배치 크기 등을 인자로 받습니다.

train_data = datagen.flow_from_directory(
    'train_dir',
    target_size=(224, 224),
    batch_size=32,
    class_mode='binary'
)

위의 코드에서는 train_dir 경로에 있는 이미지 데이터를 불러옵니다. 불러온 데이터는 (224, 224) 크기로 조정되며, 배치 크기는 32로 설정됩니다. 클래스 모드는 binary로 설정되어 이진 분류 문제에 적합한 데이터를 생성합니다.

이제 데이터를 적절하게 전처리하고 학습에 사용할 수 있는 형태로 불러올 수 있습니다. 이것은 딥 러닝 모델을 학습시키기 위한 중요한 전처리 단계입니다.

이상으로 TensorFlow의 Keras API를 사용하여 이미지 데이터를 전처리하는 예제를 알아보았습니다. ImageDataGenerator를 사용하여 데이터를 증강하고, flow_from_directory()를 사용하여 이미지 데이터를 불러올 수 있습니다.

#tensorflow #keras