我正在努力解决一个我无法上班的问题!我目前正在使用Tensorflow,并通过basic tutorials工作。
正如您在本教程中看到的那样,神经网络模型期望一个(60000, 28, 28)
形状的train_images Numpy数组,因为本教程的训练集中有60,000张尺寸为28x28的图像。我正在阅读Flavia数据集,该数据集是一组叶子的图片。转换集包含1588张具有300x300px分辨率的图片。这是我的代码:
for root, dirs, files in os.walk(pathname_data):
for name in files:
img = keras.preprocessing.image.load_img(os.path.join(root,name), color_mode="grayscale",target_size=(300,300)) #get image in 300x300 grayscale
array = keras.preprocessing.image.img_to_array(img) #convert to numpy array
array = array.squeeze(axis=2) #convert to 300x300 2d array
array = array / 255.0 #preprocess data
pathSegments = os.path.normpath(os.path.join(root,name)).split(os.sep) #split path
if pathSegments[len(pathSegments)-3] == "Train": #assign to training- or testSet
#TODO: how to store the 2x2 arrays ??
#store in training set
elif pathSegments[len(pathSegments)-3] == "Test":
#store in test set
我的问题是,如何存储“数组”,以便最终得到一个(1588, 300, 300)
形的Numpy数组,可以将其输入模型中?我已经尝试过reshape
,追加和转置的实验,但到目前为止仍然无济于事:(任何帮助,我们将不胜感激!
答案 0 :(得分:0)
我假设您从文件生成的每个“数组”都是(300, 300)
形状
您可以预生成数组并使用计数器
all_img = np.empty((1588, 300, 300))
count = 0
for root, dirs, files in os.walk(pathname_data):
for name in files:
...
all_img[count] = array.copy()
count += 1
...
或者您可以将所有图像附加到列表中,然后在以后将其更改为数组
all_img = []
for root, dirs, files in os.walk(pathname_data):
for name in files:
...
all_img.append(array)
...
all_img = np.array(all_img)
这两种方法都会为您提供一个(1588, 300, 300)
数组,我对Tensorflow没有任何经验,但这是您所需要的形状。