深度学习：使用 Keras 定义训练、验证和测试数据生成器

这段代码的目的是定义训练、验证和测试数据的生成器，以用于训练和评估模型。训练数据生成器使用 'train_datagen' 从 'train_dir' 目录中读取图像数据，并将其调整为 150x150 像素大小，随机批量生成大小为 20 的图像数据，同时生成与类别相关的标签。验证数据生成器使用 'validation_datagen' 从 'validation_dir' 目录中读取图像数据，并将其调整为 150x150 像素大小，随机批量生成大小为 20 的图像数据，同时生成与类别相关的标签。测试数据生成器使用 'validation_datagen' 从 'test_dir' 目录中读取图像数据，并将其调整为 150x150 像素大小，随机批量生成大小为 20 的图像数据，同时生成与类别相关的标签。

train_generator = train_datagen.flow_from_directory(
    train_dir,
    target_size=(150, 150),
    batch_size=20,
    class_mode='categorical')
validation_generator = validation_datagen.flow_from_directory(
    validation_dir,
    target_size=(150, 150),
    batch_size=20,
    class_mode='categorical')
test_generator = validation_datagen.flow_from_directory(
    test_dir,
    target_size=(150, 150),
    batch_size=20,
    class_mode='categorical')

此代码示例展示了如何使用 Keras 定义训练、验证和测试数据生成器，以用于深度学习模型的训练和评估。代码使用 ImageDataGenerator 类从指定的目录中读取图像数据，并进行预处理，包括调整尺寸、数据增强等操作。这使得我们可以有效地训练和评估深度学习模型，而无需将所有数据加载到内存中。