python深度学习加载图像数据集

我对深度学习还不熟悉。 我自己也觉得自己很愚蠢，因为我在一天内问了很多问题

我正在通过glob加载图像，我遇到了一个问题

我计划将图像加载到numpy，我希望它是shape:width*height*imagecounts（仅1个形状），但事实并非如此。 我想要128*128*242，结果是128、128、3（我不知道“3”从哪里来）

我想，问题之一是我需要加载整个图像，但每次我更新数据到新图像，而不是计算计数

我正在学习“深度学习”来进行“深度学习”，我真的很想以后自己做，请帮忙

数据示例：

这是我的密码

def _load_img():
# I get data_list with
# data_list = glob('dataset\\training\\*\\*.jpg')
    for v in data_list: 
        data = np.array(Image.open(v))

#img_size : 128 * 128
#I reshaped the data to get 242 the number of images count.
    data = data.reshape(-1, img_size)

    return data

---

图像通常为

RGB

格式，产生3个通道，因此128*128*3*242

由于您不想丢失RGB信息，您可以使用：

data = data.reshape(-1, img_size * 3)

这就是为什么传统的图像处理架构将其输入通道设置为3，考虑到

RGB

。但是，像MNIST这样的黑白数据集只有一个通道

请注意开头的224 x 224 x 3

Image size: 224 X 224
Channel size (RGB) : 3

[编辑]

for v in data_list: 
        data = np.array(Image.open(v))

您没有将新创建的阵列添加到任何位置。可以创建一个列表来处理所有图像：

data = [np.array(Image.open(v)) for v in data_list]

---

然而，在处理图像之前加载所有图像是非常低效的，因此在需要时逐个加载图像是一种很好的做法。但这应该可以解决您手头上的问题。

图像通常采用RGB格式，产生3个通道，因此128*128*3*242

由于您不想丢失RGB信息，您可以使用：

data = data.reshape(-1, img_size * 3)

这就是为什么传统的图像处理架构将其输入通道设置为3，考虑到

RGB

。但是，像MNIST这样的黑白数据集只有一个通道

请注意开头的224 x 224 x 3

Image size: 224 X 224
Channel size (RGB) : 3

[编辑]

for v in data_list: 
        data = np.array(Image.open(v))

您没有将新创建的阵列添加到任何位置。可以创建一个列表来处理所有图像：

data = [np.array(Image.open(v)) for v in data_list]

---

然而，在处理图像之前加载所有图像是非常低效的，因此在需要时逐个加载图像是一种很好的做法。但这会解决您手头的问题吗？

谢谢您的回答。我不会忘记频道的。但是在我的结果中，没有用于图像计数的形状。只有128*128*3。我需要得到形状的图像计数，但它不起作用。我试过很多方法来表达，也许我错过了什么。谢谢你的回答。我不会忘记频道的。但是在我的结果中，没有用于图像计数的形状。只有128*128*3。我需要得到形状的图像计数，但它不起作用。我试过很多方法来表达，也许我错过了什么。