CIFAR-10 数据转为图片-python

2024-06-02 15:36

本文主要是介绍CIFAR-10 数据转为图片-python,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

  • CIFAR-10 数据集
"""
CIFAR-10 是 32X32 的彩色图片,共有10个类别,每个类别6000张图片,50000张训练图片(均分为5个batch),10000张测试图片(每个类别选1000张)
将 CIFAR-10 转为 png
"""import os
import pickleimport numpy as np
from imageio import imwrite# 数据存放的根目录
base_dir = r'H:\DataStore'
# cifar-10 存放位置
data_dir = os.path.join(base_dir, 'cifar-10-batches-py')
# 训练图片目录
train_dir = os.path.join(base_dir, 'cifar-10-train-png')
# 测试图片目录
test_dir = os.path.join(base_dir, 'cifar-10-test-png')# 这里不进行训练图片的生成
Train = False
Test = True# 反序列化
def unpickle(file_path):with open(file_path, 'rb') as f:_obj = pickle.load(f, encoding='bytes')return _obj# 目录不存在时创建一个
def create_dir(dir_path):if not os.path.isdir(dir_path):os.makedirs(dir_path)def get_label_names():_label_names_obj = unpickle(os.path.join(data_dir, 'batches.meta'))return _label_names_obj[b'label_names']def save_images(i, obj, class_num, label_names, dir_path):# 红、绿、蓝 (channel, width, height)# 一定要使用 b'' 的方式,因为 obj 是 bytes 编码的img = np.reshape(obj[b'data'][i], (3, 32, 32))# 保存为图片使用 (width, height, channel) 格式img = img.transpose(1, 2, 0)# 获取当前图片的类别下标 0-9label_idx = obj[b'labels'][i]# 获取当前图片的名称_label_name: str = label_names[label_idx].decode()train_dir_label_name_path = os.path.join(dir_path, _label_name)create_dir(train_dir_label_name_path)# 图片对应的类别数量+1class_num[label_idx] += 1_image_name = str(class_num[label_idx]) + '.png'image_path = os.path.join(train_dir_label_name_path, _image_name)# 写入图片imwrite(image_path, img)if __name__ == '__main__':_label_names = get_label_names()if Train:# 累计每个类别的数量train_class_num = [0] * 10for i in range(1, 6):data_batch_path = os.path.join(data_dir, 'data_batch_' + str(i))# k: data、labelstrain_batch_obj = unpickle(data_batch_path)print("{} is loading...".format(data_batch_path))# 每个batch中有10000张图片for j in range(0, 10000):save_images(j, train_batch_obj, train_class_num, _label_names, train_dir)print('train loaded')if Test:test_class_num = [0] * 10test_data_path = os.path.join(data_dir, 'test_batch')test_obj = unpickle(test_data_path)for i in range(10000):save_images(i, test_obj, test_class_num, _label_names, test_dir)print('test loaded')

这篇关于CIFAR-10 数据转为图片-python的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1024369

相关文章

Django开发时如何避免频繁发送短信验证码(python图文代码)

《Django开发时如何避免频繁发送短信验证码(python图文代码)》Django开发时,为防止频繁发送验证码,后端需用Redis限制请求频率,结合管道技术提升效率,通过生产者消费者模式解耦业务逻辑... 目录避免频繁发送 验证码1. www.chinasem.cn避免频繁发送 验证码逻辑分析2. 避免频繁

批量导入txt数据到的redis过程

《批量导入txt数据到的redis过程》用户通过将Redis命令逐行写入txt文件,利用管道模式运行客户端,成功执行批量删除以Product*匹配的Key操作,提高了数据清理效率... 目录批量导入txt数据到Redisjs把redis命令按一条 一行写到txt中管道命令运行redis客户端成功了批量删除k

Java使用Thumbnailator库实现图片处理与压缩功能

《Java使用Thumbnailator库实现图片处理与压缩功能》Thumbnailator是高性能Java图像处理库,支持缩放、旋转、水印添加、裁剪及格式转换,提供易用API和性能优化,适合Web应... 目录1. 图片处理库Thumbnailator介绍2. 基本和指定大小图片缩放功能2.1 图片缩放的

精选20个好玩又实用的的Python实战项目(有图文代码)

《精选20个好玩又实用的的Python实战项目(有图文代码)》文章介绍了20个实用Python项目,涵盖游戏开发、工具应用、图像处理、机器学习等,使用Tkinter、PIL、OpenCV、Kivy等库... 目录① 猜字游戏② 闹钟③ 骰子模拟器④ 二维码⑤ 语言检测⑥ 加密和解密⑦ URL缩短⑧ 音乐播放

python panda库从基础到高级操作分析

《pythonpanda库从基础到高级操作分析》本文介绍了Pandas库的核心功能,包括处理结构化数据的Series和DataFrame数据结构,数据读取、清洗、分组聚合、合并、时间序列分析及大数据... 目录1. Pandas 概述2. 基本操作:数据读取与查看3. 索引操作:精准定位数据4. Group

Python pandas库自学超详细教程

《Pythonpandas库自学超详细教程》文章介绍了Pandas库的基本功能、安装方法及核心操作,涵盖数据导入(CSV/Excel等)、数据结构(Series、DataFrame)、数据清洗、转换... 目录一、什么是Pandas库(1)、Pandas 应用(2)、Pandas 功能(3)、数据结构二、安

Python使用Tenacity一行代码实现自动重试详解

《Python使用Tenacity一行代码实现自动重试详解》tenacity是一个专为Python设计的通用重试库,它的核心理念就是用简单、清晰的方式,为任何可能失败的操作添加重试能力,下面我们就来看... 目录一切始于一个简单的 API 调用Tenacity 入门:一行代码实现优雅重试精细控制:让重试按我

Python安装Pandas库的两种方法

《Python安装Pandas库的两种方法》本文介绍了三种安装PythonPandas库的方法,通过cmd命令行安装并解决版本冲突,手动下载whl文件安装,更换国内镜像源加速下载,最后建议用pipli... 目录方法一:cmd命令行执行pip install pandas方法二:找到pandas下载库,然后

SpringBoot多环境配置数据读取方式

《SpringBoot多环境配置数据读取方式》SpringBoot通过环境隔离机制,支持properties/yaml/yml多格式配置,结合@Value、Environment和@Configura... 目录一、多环境配置的核心思路二、3种配置文件格式详解2.1 properties格式(传统格式)1.

Python实现网格交易策略的过程

《Python实现网格交易策略的过程》本文讲解Python网格交易策略,利用ccxt获取加密货币数据及backtrader回测,通过设定网格节点,低买高卖获利,适合震荡行情,下面跟我一起看看我们的第一... 网格交易是一种经典的量化交易策略,其核心思想是在价格上下预设多个“网格”,当价格触发特定网格时执行买