Question

我是深度学习的初学者。我对如何读取Google Colab中的图像数据集感到困惑。基本上，数据集包含2个用于训练和测试图像的文件夹以及2个用于训练和测试标签的csv文件。现在，我需要确定需要先读取数据然后拆分数据的图像的跳舞模式。

但是我尝试使用以下代码读取数据集：

zip_path = '/content/0664343c9a8f11ea.zip'
with ZipFile(zip_path) as z:
    data = z.namelist()

此代码可以工作并以列表形式读取数据。后来，我将无法将其分为训练和测试以创建神经网络。每个图像的大小也不同，那么我应该如何处理呢？

请对此提供帮助。不胜感激。

谢谢普拉奇

Answer 1

有许多读取图像以馈入模型的方法。一种基本方法是将图像转换为numpy数组。对于图像的zip文件，您可以执行以下步骤来获取图像的numpy数组。这适用于任何Python内核，无论是Google Colab还是您本地的内核。

解压缩图像
获取图像的路径
读取图像并转换为numpy数组

import zipfile  # unziping 
import glob  # finding image paths
import numpy as np  # creating numpy arrays
from skimage.io import imread  # reading images
from skimage.transform import resize  # resizing images

# 1. Unzip images
path = 'your zip file path'
with zipfile.ZipFile(path, 'r') as zip_ref:
    zip_ref.extractall('path for extracted images')

# 2. Obtain paths of images (.png used for example)
img_list = sorted(glob.glob('path for extracted images/*.png'))

# 3. Read images & convert to numpy arrays
## create placeholding numpy arrays
IMG_SIZE = 256 (image resolution of 256 x 256 used for example)
x_data = np.empty((len(img_list), IMG_SIZE, IMG_SIZE, 1), dtype=np.float32)

## read and convert to arrays
for i, img_path in enumerate(img_list):
    # read image
    img = imread(img_path)
    # resize image (1 channel used for example; 1 for gray-scale, 3 for RGB-scale)
    img = resize(img, output_shape=(IMG_SIZE, IMG_SIZE, 1), preserve_range=True)
    # save to numpy array
    x_data[i] = img

毕竟，您有一个包含图像的numpy数组x_data。然后可以使用此数组来训练或测试模型。希望这会有所帮助。

如何在Google Colab中读取图像数据集进行深度学习？

1 个答案: