如何将新图像转换为时尚时尚的数据集图像格式？

Question

我有一个基于时尚MNIST数据集训练的神经网络模型。 现在，我正在使用该模型预测一些新的随机图像（来自Google），并希望将其转换为与fashion-MNIST图像相同的格式 数据集。 有人可以向我提供可以帮助我做到这一点的python代码/功能吗？ 谢谢。

我知道数据集中图像的格式为28X28像素，灰度级。 我不知道的是如何将新图像完全转换为相同格式。 这样模型可以正确预测这些新图像。

Answer 1

有很多不同的方法可以做到这一点；这是一个例子，尽管我确信这远非最佳。

num_imgs = len(os.listdir(my_path))
X = np.empty([int(num_imgs),28,28,1]) # in which to put the images
for i,image in enumerate(os.listdir(my_path)):
    the_img = cv2.imread(os.path.join(my_path,image),cv2.IMREAD_GRAYSCALE)
    the_img = cv2.resize(the_img,(28,28))
    X[i] = the_img

那么X就像是一堆N幅图片的叠加，具有暗淡的28x28和一个通道，即（N，28,28,1）。 希望有帮助！

编辑：还要记住，像Keras这样的某些软件包具有简化此过程的出色工具（包括标签，随机转换等）。强烈建议您检出these tools.

Answer 2

您可以使用numpy或OpenCV将图像转换为numpy数组，然后根据您的模型调整大小和形状。