深度学习训练数据打标签过程
程序员文章站
2022-03-06 14:37:21
...
对于生成的图片添加label,并保存成pkl格式
在这里只选择两张图片进行举例。
import numpy as np
from PIL import Image
import pickle
import matplotlib.pyplot as plt
%matplotlib inline
读取图片
img_640 = Image.open('./output/img_640.jpg')
img_910 = Image.open('./output/img_910.jpg')
# 显示图片
plt.imshow(img_640)
把图片数据转换成numpy.ndarray
img_640_n = np.array(img_640)
img_910_n = np.array(img_910)
type(img_640_n)
对数据进行保存
# 创建一个空list,用于存储图像数据因为是两张图片说以创建2个(480, 640, 3)的矩阵。
image_data = []
# 把数据存放进来
image_data.append(img_640_n)
image_data.append(imgh_910_n)
# 添加标签,假设这两张图片是两个类别,把他们标注为类型1和2
image_data_label = np.empty(2)
image_data_label[0] = 1
image_data_label[1] = 2
# 把标签的类型转换成int类型,为了方便出来也把data转换成numpy.ndarray类型
image_data = np.array(image_data)
image_data_label=image_data_label.astype(np.int)
image_data_label
array([1, 2])
plt.imshow(image_data[1])
<matplotlib.image.AxesImage at 0x15ece1845f8>
把数据保存到pkl文件中
# 把数据合并成一个元组进行保存
train_data = (image_data,image_data_label)
# 把数据写入pkl文件中
write_file=open('./input/train_data.pkl','wb')
pickle.dump(train_data,write_file)
write_file.close()
读取图片标签和数据
# 从pkl文件中读取图片数据和标签
read_file=open('./input/train_data.pkl','rb')
(train_data,lab_data)=pickle.load(read_file)
read_file.close()
# 查看读取出来的数据
train_data.shape
到这里就完成了把图片加标签后存储与读取,为后续神经网络数据的输入做准备,当我们需要数据的时候,把pkl文件加载进来就可以。
推荐阅读
-
[译] 在深度学习训练过程中如何设置数据增强?
-
《深度学习笔记》——在训练过程中出现nan的调试笔记
-
Python caffe 使用,学习深度学习数据结构,计算过程,撸loss函数
-
Datawhale&kesci&伯禹教育-深度学习-第一次打卡3 训练集&读取数据
-
python深度学习借助多标签分类器进行对抗训练
-
深度学习:使用pytorch训练cifar10数据集(基于Lenet网络)
-
【caffe 深度学习】8.自定义网络训练数据
-
深度学习笔记---简单三层CNN的自制框架实现以及对MNIST数据集的训练实现
-
快速开启Keras深度学习之路(内含一般深度学习训练过程框架)
-
深度学习中常见的打标签工具和数据集资源