欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

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)

深度学习训练数据打标签过程
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>

深度学习训练数据打标签过程
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

深度学习训练数据打标签过程
深度学习训练数据打标签过程
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。

相关标签: AI