Kaggle

来源：花匠小妙招时间：2024-11-03 13:31

花朵分类任务-1

1. 图像数据的获取和转换

1.1 文件

文件格式：

Input/flowers/category_name[ ]/image ------------------------------------ data/train/category_name[ ]/image data/test/category_name[ ]/image data/valid/category_name[ ]/image 12345原始图片存在Input，再建一个data文件夹 category_name[ ]意思是分别创建5个类别文件夹 1.2 数据集的划分具体思路为：先读取Input中某一类图片的地址images[ ]，再打乱顺序random.shuffle，划分好数据集train_valid_test
得到train_images, valid_images, test_images，再将其送入data中对应的某一类的文件夹中 categories = [‘daisy’, ‘dandelion’, ‘rose’, ‘sunflower’, ‘tulip’] # 为类别标签str total_images = [769, 1052, 784, 734, 984] # 五类图片数量代码如下：

total_images = [] for category in categories: #对某一类 images = os.listdir("{}/{}".format(base_dir, category)) #返回某一类的图片地址 list random.shuffle(images) #打乱顺序 filtered_images = [image for image in images if image not in ['flickr.py', 'flickr.pyc', 'run_me.py']] #过滤出某一类所有纯图片 total_images.append(len(filtered_images)) #list,每一类图片的数量 #从原始文件夹flowers拷贝到data，并且根据比例划分 train_images, valid_images, test_images = train_valid_test(filtered_images) #拷贝图片 copy_files(train_images, "{}/{}".format(base_dir, category), "./data/train/{}".format(category)) copy_files(valid_images, "{}/{}".format(base_dir, category), "./data/valid/{}".format(category)) copy_files(test_images, "{}/{}".format(base_dir, category), "./data/test/{}".format(category)) plot_images(category, images[:5]) #显示前五张，每次都是随机的 123456789101112131415说实话，这种图片划分方式有点乱，没有第二个任务来的清楚第一种：先将图片打乱，按照所属的文件夹分好，再转换格式第二种：直接顺序读取，再利用函数划分数据集 1.3 可视化每类图片的数量

#绘制条形图 y_pos = np.arange(len(categories)) plt.bar(y_pos, height=total_images, width=0.2,color='b',align='center') #x轴的label plt.xticks(y_pos, categories) #y轴的label plt.ylabel("Image count") plt.title("Image count in different categories") #显示 plt.show() 12345678910

直方图