深度学习训练数据打标签过程

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。