tensorflow生成数据集(24)---《深度学习》
来源:互联网 发布:耐克官网和淘宝旗舰店 编辑:程序博客网 时间:2024/06/08 06:58
生成数据集的代码
#coding=utf-8import tensorflow as tfimport numpy as npimport osfrom PIL import Imagedef to_categorial(y,n_classes): y_std=np.zeros([len(y),n_classes]) for i in range(len(y)): y_std[i,y[i]]=1.0 return y_stddef file_label_map(path): map={} f=open(path,'r') line=f.readline() count=0; while(line): label=str(line).split(":")[0].split("[")[0] map[label]=count; line=f.readline() count=count+1 f.close(); return mapdef getFileArr_std(dir,map_std): map_file_result={} map_file_label={} file_list=os.listdir(dir) for file in file_list: file_path=os.path.join(dir,file) label=file.split(".")[0].split("_")[0] print(label) img=Image.open(file_path) result=np.array([]) r,g,b=img.split() r_arr=np.array(r).reshape(299*299) g_arr=np.array(g).reshape(299*299) b_arr=np.array(b).reshape(299*299) img_arr=np.concatenate((r_arr,g_arr,b_arr)) result=np.concatenate((result,img_arr)) result=result.reshape((299,299,3)) map_file_result[file]=result map_file_label[file]=map_std[label] ret_arr=[] count_0=0 for file in file_list: each_list=[] #112*112*3的一个三维数组,现在需要将其扩展为4维度,5954*112*112*3 result=map_file_result[file] label=map_file_label[file] #print(label_one_zero) each_list.append(result) each_list.append(label) print(count_0) ret_arr.append(each_list) count_0=count_0+1 np.save('F:\\train-adversarial\\train_adversarial.npy', ret_arr)def getFileArr(dir): result_arr=[] label_list=[] map={} map_file_result={} map_file_label={} map_new={} count_label=0 count=0 file_list=os.listdir(dir) for file in file_list: file_path=os.path.join(dir,file) label=file.split(".")[0].split("_")[0] img=Image.open(file_path) result=np.array([]) if(len(img.split())!=3): map[file]="hahaha" #os.remove(file_path) else: map[file]=label if label not in label_list: label_list.append(label) map_new[label]=count_label count_label=count_label+1 r,g,b=img.split() r_arr=np.array(r).reshape(299*299) g_arr=np.array(g).reshape(299*299) b_arr=np.array(b).reshape(299*299) img_arr=np.concatenate((r_arr,g_arr,b_arr)) result=np.concatenate((result,img_arr)) #result=result.reshape((3,112,112)) result=result.reshape((299,299,3)) map_file_result[file]=result result_arr.append(result) count=count+1 for file in file_list: if map[file]!="hahaha": map_file_label[file]=map_new[map[file]] #map[file]=map_new[map[file]] ret_arr=[] for file in file_list: if map[file]!="hahaha": each_list=[] label_one_zero=np.zeros(count_label) #112*112*3的一个三维数组,现在需要将其扩展为4维度,5954*112*112*3 result=map_file_result[file] label=map_file_label[file] #print(label_one_zero) each_list.append(result) each_list.append(label) ret_arr.append(each_list) np.save('F:\\train-adversarial\\train_adversarial.npy', ret_arr)def load_data_std(train_dir,test_dir): train_data=np.load(train_dir) test_data=np.load(test_dir) X_train_non,y_train_non=train_data[:,0],train_data[:,1] X_test_non,y_test_non=test_data[:,0],test_data[:,1] X_train=np.zeros([len(X_train_non),299,299,3]) X_test=np.zeros([len(X_test_non),299,299,3]) for i in range(len(X_train_non)): X_train[i,:,:,:]=X_train_non[i] for i in range(len(X_test_non)): X_test[i,:,:,:]=X_test_non[i] #y_train_non=y_train_non.tolist() #y_test_non=y_test_non.tolist() y_train=to_categorial(y_train_non,1001) y_test=to_categorial(y_test_non,1001) return (X_train,y_train),(X_test,y_test)def load_data(test_dir): test_data=np.load(test_dir) X_test_non,y_test_non=test_data[:,0],test_data[:,1] X_test=np.zeros([len(X_test_non),299,299,3]) for i in range(len(X_test_non)): X_test[i,:,:,:]=X_test_non[i] y_test=to_categorial(y_test_non,182) return X_test,y_test
阅读全文
0 0
- tensorflow生成数据集(24)---《深度学习》
- Tensorflow深度学习入门——自制数据集
- TensorFlow【深度学习】MNIST 视觉数据集 初级
- 利用tensorflow框架搭建CNN网络解析mnist数据集(5)---《深度学习》
- 带你测试对比深度学习框架!TensorFlow,Keras,PyTorch...哪家强?(附数据集)
- 带你测试对比深度学习框架!TensorFlow,Keras,PyTorch...哪家强?(附数据集)
- 带你测试对比深度学习框架!TensorFlow,Keras,PyTorch...哪家强?(附数据集)
- 带你测试对比深度学习框架!TensorFlow,Keras,PyTorch...哪家强?(附数据集)
- Tensorflow深度学习之二十一:LeNet的实现(CIFAR-10数据集)
- Tensorflow深度学习之二十二:AlexNet的实现(CIFAR-10数据集)
- TensorFlow深度学习进阶教程:TensorFlow实现CIFAR-10数据集测试的卷积神经网络
- TensorFlow学习笔记(5)----TF生成数据的方法
- TensorFlow学习笔记(5)----TF生成数据的方法
- 《白话深度学习与Tensorflow》学习笔记(6)生成式对抗网络(GAN)
- 深度学习框架TensorFlow学习与应用(二)——非线性回归、MINST数据集分类
- 深度学习框架TensorFlow学习与应用(六)——卷积神经网络应用于MNIST数据集分类
- TensorFlow学习---tf生成数据的方法
- 深度学习(3)TensorFlow 学习
- Ubuntu 文件查看权限和设置权限
- android 多线程+断点续传+进度条
- if __name__ == '__main__': 的用法
- 简单编程题
- 关于安卓应用(APK文件)的二次打包
- tensorflow生成数据集(24)---《深度学习》
- AngularJs一个页面多个ng-app的问题
- Graphviz 中文乱码
- Fragment中onOptionsItemSelected方法不起作用的解决方法
- 数据结构实验之图论五:从起始点到目标点的最短步数(BFS)
- 用9种办法解决 JS 闭包经典面试题之 for 循环取 i
- PopupWindow
- HTTP和HTTPS的概念
- 详细的DedeCMS(织梦)目录权限安全设置教程