当你的输入不是图片的时候，你如何在keras中flow_from_directory？

在Keras中，当输入数据不是图片时，可以使用flow_from_directory方法来加载数据。

flow_from_directory方法是Keras中ImageDataGenerator类的一个函数，用于从目录中生成批量的数据。它可以自动从目录中读取图像数据，并进行预处理、数据增强等操作。

下面是使用flow_from_directory方法的步骤：

1. 导入必要的库：

from keras.preprocessing.image import ImageDataGenerator

1. 创建ImageDataGenerator对象，并设置相关参数：

datagen = ImageDataGenerator(...)

其中，...代表需要根据具体需求设置的参数，例如数据增强的方式、缩放比例、图像大小等。

1. 使用flow_from_directory方法加载数据：

data_generator = datagen.flow_from_directory(directory, target_size=(height, width), batch_size=batch_size, class_mode=class_mode)

其中，directory是数据所在的目录路径，target_size是图像的目标大小，batch_size是每个批次的样本数量，class_mode是分类模式，可以是"categorical"、"binary"、"sparse"或None。

1. 使用生成器来训练模型：

model.fit_generator(data_generator, ...)

其中，model是已经定义好的模型，...代表其他训练参数，例如训练轮数、验证集等。

总结一下，flow_from_directory方法是Keras中用于从目录中生成批量数据的函数，可以方便地加载非图片数据。通过设置相关参数，可以对数据进行预处理、数据增强等操作。