python中在数据集中保存图片时的自持问题

我提供了一个数据集，用于学习CNN，使用数据增强技术在更大的图像中检测所杜科人。 我的数据集使用边缘检测的soduko功能来学习CNN。在第一步中，我编写了一个数据加载器来获取图片并将其保存到一个n维numpy数组（X）

def加载_数据（n）：
X=np.ndarray（（n，数据大小，数据大小，1））
Y=[]
truenumber=1
falsenumber=1
对于范围（n）中的i：
如果i%int（（n/100））==0：
打印（“{}已加载数据的前一部分”。格式（int（i/n*100）））
rnd=np.random.randint（8360）
如果rnd<4000：
pic=cv2.imread（'F:\edu\machine vision projects\soduko with CNN\TrainSet\True\{}.png'。格式（truenumber），cv2.imread\u灰度）
pic=np.resize（pic，（数据大小，数据大小））
truenumber+=1
如果truenumber>6380：继续
Y.1（1）
对于范围内的（数据大小）：
对于范围内的b（数据大小）：
X[i，a，b，0]=pic[a，b]
其他：
pic=cv2.imread（'F:\edu\machine vision projects\soduko with CNN\TrainSet\False\{}.png'。格式（falsenumber），cv2.imread\u灰度）
pic=np.resize（pic，（数据大小，数据大小））
如果falsenumber>2080：继续
假数字+=1
Y.append（0）
对于范围内的（数据大小）：
对于范围内的b（数据大小）：
X[i，a，b，0]=pic[a，b]
Y=np.asarray（Y）
返回X，Y

正如您所看到的，假数据和真数据的保存方法都是相同的，但这里我们有：

---

正如你所看到的，对于真实的数字，这是一个不应该的阈值。任何人都可能知道原因吗？

请指定您在代码中处理阈值部分的确切位置。另外，您能否澄清一下，为什么不使用Keras

ImageDataGenerator.flow\u from\u directory

加载图像并将其转换为Numpy数组？Piont是我从未对图像执行过任何阈值，它自己执行！关于使用keras，没有具体的原因。我只是用

imread

做的。谢谢你的建议，我会用它。你能不能指定你在代码中处理阈值部分的确切位置。另外，您能否澄清一下，为什么不使用Keras

ImageDataGenerator.flow\u from\u directory

加载图像并将其转换为Numpy数组？Piont是我从未对图像执行过任何阈值，它自己执行！关于使用keras，没有具体的原因。我只是用

imread

做的。谢谢你的建议，我会用的。

def load_data(n):
X = np.ndarray((n, datasize, datasize,1) )
Y = []
truenumber = 1
falsenumber = 1
for i in range(n):
    if i % int((n/100)) == 0 :
        print("{} precent of data loaded".format(int(i / n * 100)))

    rnd = np.random.randint(8360)

    if rnd < 4000:
        pic = cv2.imread('F:\edu\machine vision projects\soduko with CNN\TrainSet\True\{}.png'.format(truenumber) , cv2.IMREAD_GRAYSCALE)
        pic = np.resize(pic, (datasize,datasize))
        truenumber += 1
        if truenumber > 6380: continue
        Y.append(1)
        for a in range(datasize):
            for b in range(datasize):
                X[i,a,b,0] = pic[a,b]

    else:
        pic = cv2.imread('F:\edu\machine vision projects\soduko with CNN\TrainSet\False\{}.png'.format(falsenumber) , cv2.IMREAD_GRAYSCALE)
        pic = np.resize(pic, (datasize,datasize))
        if falsenumber > 2080: continue
        falsenumber += 1
        Y.append(0)
        for a in range(datasize):
            for b in range(datasize):
                X[i, a, b, 0] = pic[a, b]

Y = np.asarray(Y)

return X , Y