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:python深度学习加载图像数据集,python,deep-learning,Python,Deep Learning,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。