如何在谷歌 colab 中读取图像数据集以进行深度学习？

Question

我是深度学习的初学者。我对如何在 Google Colab 中读取图像数据集感到困惑。基本上，数据集包含 2 个用于训练和测试图像的文件夹以及 2 个用于训练和测试标签的 csv 文件。现在我需要识别需要先读取数据然后拆分数据的图像的舞蹈模式。

但是我尝试使用以下代码读取数据集：

zip_path = '/content/0664343c9a8f11ea.zip'
with ZipFile(zip_path) as z:
    data = z.namelist()

此代码工作并读取数据，但以列表的形式。稍后我将无法将其拆分为用于创建神经网络的训练和测试。而且每张图片的大小都不一样，我该怎么处理呢？

请帮忙。将不胜感激。

谢谢 普拉奇

Answer 1

有很多方法可以读取图像以输入模型。一种基本方法是将图像转换为 numpy 数组。使用图像的 zip 文件，您可以采取以下步骤来获取图像的 numpy 数组。这适用于任何 Python 内核，无论是 Google Colab 还是您的本地内核。

1. 解压图片
2. 获取图片路径
3. 读取图像并转换为 numpy 数组

import zipfile  # unziping 
import glob  # finding image paths
import numpy as np  # creating numpy arrays
from skimage.io import imread  # reading images
from skimage.transform import resize  # resizing images

# 1. Unzip images
path = 'your zip file path'
with zipfile.ZipFile(path, 'r') as zip_ref:
    zip_ref.extractall('path for extracted images')

# 2. Obtain paths of images (.png used for example)
img_list = sorted(glob.glob('path for extracted images/*.png'))

# 3. Read images & convert to numpy arrays
## create placeholding numpy arrays
IMG_SIZE = 256 (image resolution of 256 x 256 used for example)
x_data = np.empty((len(img_list), IMG_SIZE, IMG_SIZE, 1), dtype=np.float32)

## read and convert to arrays
for i, img_path in enumerate(img_list):
    # read image
    img = imread(img_path)
    # resize image (1 channel used for example; 1 for gray-scale, 3 for RGB-scale)
    img = resize(img, output_shape=(IMG_SIZE, IMG_SIZE, 1), preserve_range=True)
    # save to numpy array
    x_data[i] = img

毕竟，您有一个 numpy 数组 x_data，其中包含您的图像。然后可以使用该数组来训练或测试您的模型。 希望这会有所帮助。