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:Python 如何在GoogleColab中读取图像数据集进行深入学习?,python,deep-learning,neural-network,data-science,google-colaboratory,Python,Deep Learning,Neural Network,Data Science,Google Colaboratory,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
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
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