我如何從filepath格式化我的圖像到與python中的mnist.load_data（）相同的方式？

Question

如何將文件路徑中的圖像格式化為與mnist.load_data()相同的方式？ 我目前從driectory /文件路徑獲取圖像，我如何格式化這些圖像的方式與mnist用於mnist.load_data()方式相同？

Answer 1

keras.datasets.mnist.load_data實際上只加載一個預處理的pickle文件 。 如果檢查的數據類型X_train ＆ X_test它們只是numpy浮子表示圖像的像素值（0-255）的2D陣列。 雖然y_train和y_test只是代表類/標簽（0-9）的numpy 1D數組。

因此，模仿該功能的第一種方法是使用圖像處理庫（例如opencv ）將圖像讀入numpy數組，最后使用sklearn將它們拆分 ：

import numpy as np
import cv2
from sklearn.model_selection import train_test_split

X = []
y = []

# convert color image to 2D array (grayscale) & rescale
data = cv2.imread('zero.jpg',0) / 255.0
label = 0 # label/class of the image
X.append(data)
y.append(label)

# loop trough all images ...

# split for training & testing
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33)

您可以嘗試的另一種方法是使用keras ImageDataGenerator.flow_from_directory（color_mode ='grayscale'） 。 輸出是一個ImageDataGenerator對象，可以傳遞給keras model.fit_generator()函數。 為了使用此功能，您應該將數據集安排到列車和測試目錄中，其中每個目錄都包含表示其中圖像類的子目錄。 請在此處找到詳細說明。