小白深度学习起步中——读取人像图像

人脸图像读取

首先，先调用三个库

 import numpy as npimport cv2import zipfile

然后确定一下主程序，搞清楚我们这个程序的目的。是为了从解压解压上读取图像。

  if __name__ == '__main__':path = 'D:\\DeepBlue\\samples\\celeba\\Eval\\Img\\img_ali.gn_cel.eba.zip'  # 解压路径ca = CelebA()cv2.imshow(ca.imgs[1000])cv2.waitKey()

然后定义一个类CelebA，在构造方法里，定义imgs。

class CelebA:def __init__(self,path):self.imgs = []

紧接着放一个with语句对zipfile.ZipFile(path)做一个抛出异常操作，并将zipfile.ZipFile(path)命名为zf（zipfile.ZipFile(path)就是openc中解压文件的方法）

 with zipfile.ZipFile(path) as zf:  # 解压文件

用is_dir函数判断info文件否是文件夹，如果是就跳过。

for info in zf.filelist:if info.is_dir(): continue # is_die(检查是否是目录）————>bool

首先从我们的filename中提取出流数据，并转化成uint8数据，最后对uint8数据进行解码使其形成图片

img = zf.read(info.filename)
img = np.frombuffer(img, np.uint8)  # frombuffer 收集数据，uint8：将收集的数据转制为八位的数组
img = cv2.imdecode(img, 1)  # cv2.imdecode:解码成图，1是彩图，2是灰度图

然后找出名字并将图像存储到imgs列表中

 name = info.filename[info.filename.rfind('/')+1:]self.imgs.append(img)

因为不断地输出名字会显得很杂乱无章，所以这里我们让他每完成10000组图像的读取进行一次说明

  if len(self.imgs) % 10000 == 0:print('Read %d imgs' % len(self.imgs))

最后输出完成语句


print('Read %d imgs from %s successfully!' % (len(self.imgs),path),flush=True)          #flush参数主要是刷新， 默认flush = False，不刷新,True则反之

完整代码：

import zipfile
import numpy as np
import cv2
class CelebA:def __init__(self,path):self.imgs = []with zipfile.ZipFile(path) as zf:  # 解压文件for info in zf.filelist:if info.is_dir(): continue# is_die(检查是否是目录）————>boolimg = zf.read(info.filename)img = np.frombuffer(img, np.uint8)  # frombuffer 收集数据，uint8：将收集的数据转制为八位的数组img = cv2.imdecode(img, 1)  # cv2.imdecode:解码成图，1是彩图，2是灰度图name = info.filename[info.filename.rfind('/')+1:]self.imgs.append(img)if len(self.imgs) % 10000 == 0:print('Read %d imgs' % len(self.imgs))print('Read %d imgs from %s successfully!' % (len(self.imgs),path),flush=True)          #flush参数主要是刷新， 默认flush = False，不刷新,True则反之。if __name__ == '__main__':path = 'D:\\DeepBlue\\samples\\celeba\\Eval\\Img\\img_ali.gn_cel.eba.zip'  # 解压路径ca = CelebA()cv2.imshow(ca.imgs[1000])cv2.waitKey()

结果如图：

小白深度学习起步中——读取人像图像相关推荐

深度学习数据集标注工具、图像语料数据库等资源
NLP+VS︱深度学习数据集标注工具.图像语料数据库.实验室搜索ing... 2017年02月07日 12:12:01 阅读数:27032 ~~因为不太会使用opencv.matlab工具,所以在找一 ...
什么是生成对抗网络（GAN）| 小白深度学习入门
小白深度学习入门系列 1. 直观理解深度学习基本概念 2. 白话详解ROC和AUC 3. 什么是交叉熵 4. 神经网络的构成.训练和算法 5. 深度学习的兴起:从NN到DNN 6. 异军突起的激活函数 ...
【AI初识境】深度学习模型中的Normalization，你懂了多少？
文章首发于微信公众号<有三AI> [AI初识境]深度学习模型中的Normalization,你懂了多少? 这是<AI初识境>第6篇,这次我们说说Normalization.所谓 ...
深度学习训练中关于数据处理方式--原始样本采集以及数据增广
版权声明:本文为博主原创文章,未经博主允许不得转载. https://blog.csdn.net/SMF0504/article/details/78695908 好久没有写博客,一直想重新调整自己的 ...
寻找下一款Prisma APP：深度学习在图像处理中的应用探讨
在9月23日到9月24日的MDCC 2016年中国移动者开发大会"人工智能与机器人"专场中,阿里云技术专家周昌进行了题为<寻找下一款Prisma APP:深度学习在图像处理中 ...
Python 中的可执行对象 eval，exec 和 compile与其在深度学习训练中的应用实例
Python 中的可执行对象 eval,exec 和 compile 与其在深度学习训练中的应用实例 eval 计算指定表达式的值.也就是说它要执行的python代码只能是单个表达式(注意eval不支 ...
基于深度学习的青菜病害区域图像语义分割与定位
基于深度学习的青菜病害区域图像语义分割与定位 1.研究思路提出了一种基于深度学习的青菜灾害区域图像语义分割的方法,通过 fine-tune FCN 以像素级精度分割出图像中作物灾害区进行识别,并借助 ...
深度学习框架中的魔鬼：探究人工智能系统中的安全问题
ISC 2017中国互联网安全大会举办了人工智能安全论坛. 我们把论坛总结成为一系列文章,本文为系列中的第一篇. 深度学习引领着新一轮的人工智能浪潮,受到工业界以及全社会的广泛关注. 虽然大家对人工智 ...
FPGA在深度学习应用中或将取代GPU
FPGA在深度学习应用中或将取代GPU 本文来源:AI前线作者 | Ben Dickson 译者 | 大小非人工智能的兴起触发了市场对 GPU 的大量需求,但 GPU 在 AI 场景中的应用面临使 ...

小白深度学习起步中——读取人像图像

人脸图像读取

小白深度学习起步中——读取人像图像相关推荐

最新文章

热门文章