Neural network “你怎么看?”;进口;MNIST的图像数据?
所以我一直在使用Tensorflow的神经网络教程。我完成了“基本分类”,基本上就是MNIST,并且一直在做我自己的定制变体,作为一个小小的思想实验。一切都是不言自明的,除了将数据集放入一个可用的形式之外,因为教程使用了一个预先制作的数据集,看起来它省事了一些。我只想知道如何将彩色照片转换成可用的数据。我假设这只是一个一维数组。作为一个附带问题,如果2d照片不是CNN存储在1d数组中,神经网络是否会失去任何效力。KERA中包含的数据集是预先制作的,通常经过预处理,以便初学者可以轻松尝试使用。对于使用自己的图像,如猫狗图像分类问题,您可以将图像放置在两个单独的目录中,例如, 在Neural network “你怎么看?”;进口;MNIST的图像数据?,neural-network,artificial-intelligence,classification,image-recognition,mnist,Neural Network,Artificial Intelligence,Classification,Image Recognition,Mnist,所以我一直在使用Tensorflow的神经网络教程。我完成了“基本分类”,基本上就是MNIST,并且一直在做我自己的定制变体,作为一个小小的思想实验。一切都是不言自明的,除了将数据集放入一个可用的形式之外,因为教程使用了一个预先制作的数据集,看起来它省事了一些。我只想知道如何将彩色照片转换成可用的数据。我假设这只是一个一维数组。作为一个附带问题,如果2d照片不是CNN存储在1d数组中,神经网络是否会失去任何效力。KERA中包含的数据集是预先制作的,通常经过预处理,以便初学者可以轻松尝试使用。对于
images/cats
和images/dogs
中。
现在,我们解析这些目录中的每个图像
import os
from PIL import Image
master_dir = 'images'
img_dirs = os.listdir( master_dir )
for img_dir in img_dirs:
img_names = os.listdir( os.path.join( master_dir , img_dir ) )
for name in img_names:
img_path = os.path.join( master_dir , img_dir , name )
image = Image.open( img_path ).resize( ( 64 , 64 ) ).convert( 'L' )
# Store this image in an array with its corresponding label
在这里。图像
将是一个形状数组(64,64)
,表示图像为灰度图像。除了代码中的.convert('L')
,我们还可以使用.convert('RGB')
生成形状(64,64,3)
RGB图像
现在,
- 收集Python
列表中的所有图像和标签
- 将列表转换为
数组NumPy
- 使用
方法将np.save()
数组存储在NumPy
文件中.npy
- 在训练模型的文件中,使用
方法加载这些文件并将它们提供给模型np.load()
images/cats
和images/dogs
中。
现在,我们解析这些目录中的每个图像
import os
from PIL import Image
master_dir = 'images'
img_dirs = os.listdir( master_dir )
for img_dir in img_dirs:
img_names = os.listdir( os.path.join( master_dir , img_dir ) )
for name in img_names:
img_path = os.path.join( master_dir , img_dir , name )
image = Image.open( img_path ).resize( ( 64 , 64 ) ).convert( 'L' )
# Store this image in an array with its corresponding label
在这里。图像
将是一个形状数组(64,64)
,表示图像为灰度图像。除了代码中的.convert('L')
,我们还可以使用.convert('RGB')
生成形状(64,64,3)
RGB图像
现在,
- 收集Python
列表中的所有图像和标签
- 将列表转换为
数组NumPy
- 使用
方法将np.save()
数组存储在NumPy
文件中.npy
- 在训练模型的文件中,使用
方法加载这些文件并将它们提供给模型np.load()