Convnet在Windows下的使用

来源：互联网发布：百度网盘vip淘宝编辑：程序博客网时间：2024/04/30 13:30

最简单的方法是找个能调试的python IDE，读取各个文件之后看里面的内容，这里有个我写的方法，仔细阅读之后就可以使用了。事先安装PIL包。有错写评论即可。

第93,94行是建立各个data_batch_1等等

最后一行建立batches.meta文件

这个code生成7个data_batch文件，分为两类，一类为nopeople，一类为exist_people。需要修改网络配置文件[fc10]层outputs个数为2。

14-1-9补充：这个程序最好在linux下使用，windows下生成的文件貌似在使用时会报错。

[python] view plaincopyprint?
import os  
import cPickle  
import pickle  
import numpy as np  
from numpy import array, append  
from PIL import Image  
import Image  
  
def makeBatch (load_path, save_path, data_size):  
    data = []  
    filenames = []  
    class_list = []  
    class_file = file('train-origin-pics-labels.txt', 'rb').readlines()  
    file_list = os.listdir(load_path)  
    num_sq = save_path[len(save_path)-1]  
    for item in  file_list:  
        if item.endswith(".jpg"):  
            picture_number = item[0:len(item)-4]  
            picture_num = int(picture_number)  
            class_picture = class_file[picture_num-1][10:11]  
            if int(picture_num)%100 == 0:  
                print picture_number  
            n = os.path.join(load_path, item)  
            inputImage = Image.open(n)  
            (width,height) = inputImage.size  
            #if  width > height:  
            #    newwidth = width/height*128  
            #    small_image = inputImage.resize((newwidth, 128),Image.ANTIALIAS)  
            #else:  
            #    newheight = height/width*128  
            #    small_image = inputImage.resize((128, newheight),Image.ANTIALIAS)  
            small_image = inputImage.resize((data_size, data_size),Image.ANTIALIAS)  
            try:  
                r, g, b = small_image.split()  
                reseqImage = list(r.getdata()) + list(g.getdata()) + list(b.getdata())  
                data.append(reseqImage)  
                filenames.append(item)  
                class_list.append(class_picture)  
            except:  
                print 'error' + picture_number  
    data_array = np.array(data, dtype = np.uint8)  
    T_data = data_array.T  
    out_file = file(save_path, 'wb')  
    dic = {'batch_label':'batch ' + num_sq + ' of 6', 'data':T_data, 'labels':class_list, 'filenames':filenames}  
    pickle.dump(dic, out_file)  
    out_file.close()  
  
def read_batch(batch_path, data_size):  
    in_file = open(batch_path, 'r+')  
    xx = cPickle.load(in_file)  
    in_file.close()  
    T_datas = xx['data']  
    datas = T_datas.T  
    c = np.zeros((1, data_size*data_size*3), dtype=np.float32)  
    i  = 0  
    for data in datas:  
        i += 1  
        c = c + data  
    return i, c  
  
def add_all(data_size, path):  
    count = 0  
    totalc = np.zeros((1, data_size*data_size*3), dtype=np.float32)  
    for idx in range(1, 7):  
        print 'reading batch'+str(idx)  
        path += '/data_batch_' + str(idx)  
        curcount, curc = read_batch(path, data_size)  
        count += curcount  
        totalc = totalc + curc  
  
    return count, totalc  
  
def write_data(data_size, path):  
    cout, total = add_all(data_size)  
    a  = []  
    for i in range(0, len(total[0])):  
        c = total[0][i] / cout  
        a.append( [c])  
    a_array = array(a, dtype = np.float32)  
    return a_array  
  
def main(data_size, path):  
    data_mean = write_data(data_size, path)  
    label_names = ['nopeople', 'exist_people']  
    num1 = 5000  
    num2 = data_size*data_size*3  
    dic = {'data_mean':data_mean, 'label_names':label_names, 'num_cases_per_batch':num1, 'num_vis':num2}  
    out_file = open(path+'/batches.meta', 'w+')  
    cPickle.dump(dic, out_file)  
    out_file.close()  
  
data_size = 64  
for i in range(1, 7):  
    makeBatch('./train-origin-pics-part'+str(i), 'baidu_data_size_'+str(data_size)+'/data_batch_'+str(i), data_size)  
main(data_size, 'baidu_data_size_'+str(data_size))  

转载地址：http://blog.csdn.net/xuanwu_yan/article/details/16948385

0 0