如何将新图像转换为时尚 mnist 数据集图像格式？答案

【问题标题】：How to convert new images to fashion-mnist data set images format?如何将新图像转换为时尚 mnist 数据集图像格式？
【发布时间】：2019-09-29 18:51:48
【问题描述】：

我有一个在时尚 MNIST 数据集上训练的神经网络模型。现在我正在预测，使用模型，一些新的随机图像（来自谷歌）并希望将它们转换为与来自时尚 MNIST 的图像相同的格式数据集。有人可以为我提供可以帮助我做到这一点的python代码/函数吗？谢谢。

我知道数据集中的图像格式是 28X28 像素，灰度。我不知道的是如何将新图像完全转换为相同的格式。这样模型才能正确预测这些新图像。

【问题讨论】：

太宽了。请分享您正在尝试的代码。
欢迎来到stackoverflow。首先，您需要将来自 Google 的随机图像裁剪为 28x28 像素，然后创建它们的数组。如果您分享指向您引用的其中一些随机图像的链接，则可以讨论后续步骤。

标签： deep-learning computer-vision mnist

【解决方案1】：

有很多不同的方法可以做到这一点；这是一个示例，尽管我确信它远非最佳。

num_imgs = len(os.listdir(my_path))
X = np.empty([int(num_imgs),28,28,1]) # in which to put the images
for i,image in enumerate(os.listdir(my_path)):
    the_img = cv2.imread(os.path.join(my_path,image),cv2.IMREAD_GRAYSCALE)
    the_img = cv2.resize(the_img,(28,28))
    X[i] = the_img

那么 X 就像一堆 N 张图片，亮度为 28x28 和一个通道，即 (N,28,28,1)。希望对您有所帮助！

编辑：嘿，请记住，像 Keras 这样的一些包有很好的工具来简化这个过程（包括标签、随机转换等）。强烈推荐查看these tools.

【讨论】：

【解决方案2】：

您可以使用 numpy 或 OpenCV 将图像转换为 numpy 数组，然后根据您的模型调整大小和形状。

【讨论】：