Загрузка изображений с помощью Keras

Жесткий — это высокоуровневый API, используемый для создания и обучения моделей глубокого обучения. Он работает на Tensorflow и Theano.

Я буду использовать JupyterLab на протяжении всего этого занятия. Работа с реальными данными включает в себя больше, чем загрузку встроенных наборов данных из наших различных API. Чтобы загрузить набор данных из Keras API, вы можете загрузить набор данных mnist из keras.datasets import mnist keras

Загрузите свой поезд и тестовые наборы, как это (x_train, y_train), (x_test, y_test) = train_test_split() .

Правда здесь в том, что не всегда так просто работать с реальными данными. В этом уроке я шаг за шагом расскажу вам, как загружать ваши данные с помощью Keras.

Во-первых, ваш CSV-файл должен содержать имя вашего класса (категорию) и идентификатор. Сейчас я покажу заголовок моего CSV-файла.

количество категорий

Возможно, вы захотите проверить категории, которые у вас есть, чтобы узнать больше о том, с чем вы работаете. Теперь, когда мы знаем, что у нас есть 23 класса, следующим шагом будет проверка количества значений для каждой категории.

value_counts

Мы можем видеть количество наблюдений в каждой отдельной категории. Следующим шагом является установка каталога для каждой категории. Я написал функцию, которая может получить каждое значение для каждой категории.

После этого я могу продолжить и создать свой «базовый» каталог, затем каталог «поезд», каталог «тест».

Первое, что я здесь сделал, это импортировал os. Модуль ОС позволяет вам взаимодействовать с базовой операционной системой, на которой работает Python.

После этого я определил каталог, в котором у меня есть мои данные (изображения), как original_dataset_dir . Теперь я могу начать создавать свои каталоги, os.mkdir() означает создать каталог, os.join()пытается объединить base_dir и «train», результатом этого будет «base_dir/train», из каталога train, созданного ранее, чем я создал каталог для каждой категории, которая у меня есть. После запуска это наше дерево каталогов будет таким

— базовый_каталог
├── тест
│ ├── Акне-и-Розацеа-Фото
│ ├── Актинический-Кератоз-Базально-клеточная-Карцинома-и-другие-Злокачественные-Поражения
│ ├── Атопический дерматит-Фото
│ ├── Буллезная болезнь-Фото
│ ├── Целлюлит-импетиго-и-другая-бактериальная-инфекция
│ ├── Экзема-Фото
│ ├── Экзантемы и лекарственные высыпания
│ ├── Выпадение волос-Фото-Алопеция-и-другие-Волосы-D
│ ├── Герпес-ВПЧ-и-другие-ЗППП-Фото
│ ├── Легкие-болезни-и-нарушения-пигментации
│ ├── Волчанка-и-другая-соединительная-ткань-d
│ ├── Меланома-Кожи-Рак-Невусы-и-Мол
│ ├── Гвоздь-Грибок-и-другие-Ногти-D
│ ├── Poison-Ivy-Photos-and-other-Contact-Dermatit
│ ├── Псориаз-картинки-плоский лишай-и родственные-d
│ ├── Чесотка-Лайм-Болезнь-и-другие-Заражения-и-Укус
│ ├── Себорейный-кератоз-и-другие-доброкачественные опухоли
│ ├── Системик-Д
│ ├── Опоясывающий лишай-кандидоз-и-другие-грибковые-инфекции
│ ├── Крапивница-ВИЧ
│ ├── Сосудисто-Опухоль
│ ├── Васкулиты-Фото
│ └── Бородавки-Моллюск-и-другая-Вирусная-Инфекция
└── поезд
├── Акне-и-Розацеа-Фото
├── Актинический-кератоз-базально-клеточная-карцинома-и-другие-злокачественные-поражения
├── Атопический дерматит-Фото
├── Буллезная болезнь-Фото
├── Целлюлит-импетиго-и-другая-бактериальная-инфекция
├── Экзема-Фото
├── Экзантемы и лекарственная сыпь
├── Выпадение волос-Фото-Алопеция-и-другие-Волосы-D
├── Герпес-ВПЧ-и-другие-ЗППП-Фото
├── Легкие-болезни-и-нарушения-пигментации
├── Волчанка-и-другая-соединительная-ткань-d
├── Меланома-Кожа-Рак-Невусы-и-мол
├── Гвоздь-Грибок-и-прочие-Ногти-D
├── Poison-Ivy-Photos-and-other-Contact-Dermatit
├── Псориаз-картинки-плоский лишай-и связанные с ним-d
├── Чесотка-Лайм-Болезнь-и-другие-Заражения-и-Укус
├── Себорейный кератоз и другие доброкачественные опухоли
├── Системик-Д
├── Опоясывающий лишай-кандидоз-и-другие-грибковые-инфекции
├── Крапивница-ВИЧ
├── Сосудистая опухоль
├── Васкулит-Фото
└── Бородавки-Моллюск-и-другая-Вирусная-Инфекция

Теперь у вас есть готовый каталог, следующим шагом будет загрузка данных в созданные каталоги. Следующий шаг — разделить мой поезд, протестировать в соотношении 0,75: 0,25 полного набора данных.

Я определил свой коэффициент train_test, я хочу продолжить и загрузить свои данные.

Ранее я импортировал шутил, модуль шутила помогает автоматизировать копирование файлов и каталогов. Я пытаюсь скопировать изображения из original_dataset_dir(train_src) в пункт назначения (train_dst) с помощью Shutil, после этого шага ваши данные должны быть загружены.

Давайте подтвердим, загружены ли наши данные.