用Python中的MNIST方式为图像分类准备/渲染图像
我知道以前有人问过这个问题,但我仍然面临一些问题 在建立了神经网络并训练了模型之后,我现在想对桌面上的图像进行分类。因此,在监督学习之前必须准备好图像 如何将普通图片转换为格式(1、28、28) 我试着这样做用Python中的MNIST方式为图像分类准备/渲染图像,python,python-3.x,image,rendering,image-classification,Python,Python 3.x,Image,Rendering,Image Classification,我知道以前有人问过这个问题,但我仍然面临一些问题 在建立了神经网络并训练了模型之后,我现在想对桌面上的图像进行分类。因此,在监督学习之前必须准备好图像 如何将普通图片转换为格式(1、28、28) 我试着这样做 Img = imageio.imread(f‘path/pic.png‘) Image = numpy.expand(Img, 0) Print(Image.shape) RETURNS (1, 28, 28, 3) and NOT (1, 28, 28) 任何想法、灵感… 提前感谢您不
Img = imageio.imread(f‘path/pic.png‘)
Image = numpy.expand(Img, 0)
Print(Image.shape) RETURNS (1, 28, 28, 3) and NOT (1, 28, 28)
任何想法、灵感…
提前感谢您不要使用
imageio
库,您可以使用OpenCV,这是cv2
库(需要先安装)
真棒这是一个简单而快速的解决方案,Thx Omar;)
import numpy as np
import cv2
Img = cv2.imread('path/pic.png', 0) # Need to pass in the zero as a flag to be read in gray-scale
Image = np.expand_dims(Img, 0)
print(Image.shape)
> (1, m, n)