python深度学习加载图像数据集

Question

我是深度学习的新手。 我感到自己很愚蠢，因为我有一天要问很多问题。

我正在通过glob加载图像，但遇到了问题。

我计划将图像加载到numpy，并且希望它的形状为：width * height * imagecounts（仅1个形状），但事实并非如此。 我想要128 * 128 * 242，结果是128、128、3（而且我不知道'3'的来源。）

我认为，问题之一是我需要加载整个图像，但是每次我将数据更新为新图像时都没有计算计数。

我正在学习将“深度学习”转变为“深度学习”，我真的很想稍后自行实现，请帮忙。

数据示例：

[[255 255 255]
 [255 255 255]
 [255 255 255]
      ...
 [255 255 255]
 [255 255 255]
 [255 255 255]]

这是我的代码

def _load_img():
# I get data_list with
# data_list = glob('dataset\\training\\*\\*.jpg')
    for v in data_list: 
        data = np.array(Image.open(v))

#img_size : 128 * 128
#I reshaped the data to get 242 the number of images count.
    data = data.reshape(-1, img_size)

    return data

Answer 1

图像通常为RGB格式，具有3个通道，因此为128 * 128 * 3 * 242。

由于您不想丢失RGB信息，因此可以使用：

data = data.reshape(-1, img_size * 3)

这就是为什么考虑RGB，常规图像处理体系结构的输入通道设置为3的原因。但是，诸如MNIST之类的黑白数据集只有一个通道。

请注意开头是224 x 224 x 3。

Image size: 224 X 224
Channel size (RGB) : 3

[编辑]

for v in data_list: 
        data = np.array(Image.open(v))

您不会在任何地方添加新创建的阵列。也许创建一个列表来处理所有图像：

data = [np.array(Image.open(v)) for v in data_list]

但是，在处理图像之前先加载所有图像效率很低，因此在需要时逐个加载图像是一种很好的做法。但这应该可以解决您的问题吗？