小弟是深度学习方面新手
最近想试试图像辨识但遇到了难题
我想辨认的三种东西分别是lad, lcx, rca
这三个类型的资料夹下分别又有100个资料夹里面是5张jpg档
train ->floder
-----lad ->floder
----------1 ->floder
---------------v1 v2 v3 v4 v5 ->jpg
----------2 ->floder
---------------v1 v2 v3 v4 v5 ->jpg
----------3 ->floder
---------------v1 v2 v3 v4 v5 ->jpg
-----lcx ->floder
----------1 ->floder
---------------v1 v2 v3 v4 v5 ->jpg
----------2->floder
---------------v1 v2 v3 v4 v5 ->jpg
----------3->floder
---------------v1 v2 v3 v4 v5 ->jpg
test 和 vaildation 资料夹也是同样结构
一般的文章或书籍所教之方法的资料结构都是
train ->floder
-----lad ->floder
----------1->jpg
----------2->jpg
----------3->jpg
----------4->jpg
lcx ->floder
----------1->jpg
----------2->jpg
----------3->jpg
----------4->jpg
5张图片放置在"rcx", "lad", "lcx"资料夹底下的"1", "2", "3", "4", "5" 资料夹
请问各位前备我该用哪种语法让模型知道训练的图片在资料夹下
我用的是python的tensorflow
程序码如下:
labels = ['lad', 'rca', 'lcx']
def get_data(data_dir):
data = []
for label in labels:
path = os.path.join(data_dir, label)
class_num = labels.index(label)
dirs = os.listdir(path)
for file in dirs:
pic_dir=os.path.join(path,file)
for i in os.listdir(pic_dir):
image_dir=os.path.join(pic_dir,i)
img1 = cv2.imread(os.path.join(path, image_dir))
img1 = cv2.cvtColor(img1, cv2.COLOR_RGB2BGR)
data.append([img1, class_num])
return np.array(data)
train = get_data('C:/')
test = get_data('C:/')
x_train = []
y_train = []
x_val = []
y_val = []
for feature, label in train:
x_train.append(feature)
y_train.append(label)
for feature, label in test:
x_val.append(feature)
y_val.append(label)
x_train = np.array(x_train) / 255
x_val = np.array(x_val) / 255
x_train.reshape(-1, img_size, img_size, 1)
y_train = np.array(y_train)
x_val.reshape(-1, img_size, img_size, 1)
y_val = np.array(y_val)
感谢大家的指教!
每个留言我都会认真看!!
>>: 不花一分钱加强WiFi安全:爲Router免费升级WPA3加密、用得更安心
随着行动浏览成为搜寻引擎主流,响应式网页设计也越来越重要,甚至能说在这几年,假设你的网页没有响应式设...
了解一套工具最好的方法是:动手完成一个现有的范例 了解一门技术最好的方法是:用那套技术完整做出一个...
今天要来讲的东西,主要是来自笔者以前看过很喜欢的文章(https://www.ithome.com....
1.首先是 Bootstrap 的用法,其实就是 【1.引入它 ; 2.复制它】 引入的部分在【第0...
我前几天针对不同的模型进行测试,神经网路模型拟合较佳,随着神经元的数量增加,拟合状况越好! 但是,每...