Python 如何在GoogleColab中读取图像数据集进行深入学习？

我是深入学习的初学者。我对如何在GoogleColab中读取图像数据集感到困惑。基本上，数据集由2个用于列车和测试图像的文件夹和2个用于列车和测试标签的csv文件组成。现在我需要识别图像的舞蹈模式，首先读取数据，然后分割数据

但是，我尝试使用以下代码读取数据集：

zip_path = '/content/0664343c9a8f11ea.zip'
with ZipFile(zip_path) as z:
    data = z.namelist()

该代码以列表的形式工作并读取数据。稍后，我将无法将其分为训练和测试，以创建神经网络。而且每个图像的大小都不一样，所以我应该如何处理呢

请帮忙。我们将不胜感激

谢谢

---

普拉奇

有很多方法可以读取图像以输入模型。一种基本方法是将图像转换为numpy数组。使用图像的zip文件，可以执行以下步骤来获取图像的numpy数组。这将适用于任何Python内核，无论是GoogleColab还是您的本地内核

解压图像

获取图像的路径

读取图像并转换为numpy数组

毕竟，你有一个numpy数组，

x_data

，包含你的图像。然后可以使用此阵列来训练或测试您的模型。

---

希望这有帮助。

我认为谷歌合作实验室是一个必要的标签，应该添加，而不是神经网络。每个专家都知道深度学习是一种神经网络。请查看此链接，如果它对您有帮助，非常感谢您的回答。如果我的回答有助于解决您的问题，请接受我的回答。它将帮助社区继续前进。：）

import zipfile  # unziping 
import glob  # finding image paths
import numpy as np  # creating numpy arrays
from skimage.io import imread  # reading images
from skimage.transform import resize  # resizing images

# 1. Unzip images
path = 'your zip file path'
with zipfile.ZipFile(path, 'r') as zip_ref:
    zip_ref.extractall('path for extracted images')

# 2. Obtain paths of images (.png used for example)
img_list = sorted(glob.glob('path for extracted images/*.png'))

# 3. Read images & convert to numpy arrays
## create placeholding numpy arrays
IMG_SIZE = 256 (image resolution of 256 x 256 used for example)
x_data = np.empty((len(img_list), IMG_SIZE, IMG_SIZE, 1), dtype=np.float32)

## read and convert to arrays
for i, img_path in enumerate(img_list):
    # read image
    img = imread(img_path)
    # resize image (1 channel used for example; 1 for gray-scale, 3 for RGB-scale)
    img = resize(img, output_shape=(IMG_SIZE, IMG_SIZE, 1), preserve_range=True)
    # save to numpy array
    x_data[i] = img