时间戳

首页 > 解决方案 > 在 Python 中将图像序列转换为 4D 张量/.npy

python - 在 Python 中将图像序列转换为 4D 张量/.npy

问题描述

我有一系列 2D 图像（它是如何通过每个时间步传播的）描绘了一个模拟。假设我有 1000 组模拟，每组包含 10 个时间帧图像。这不是一个监督学习问题，因为没有类标签。模型必须学习如何随着时间的推移进行仿真。（每个模拟都有一个单独的文件夹，每个文件夹包含 10 个时间帧图像）。

任何人都可以帮助我以 [no_frames_in_each_sample, total_samples, image_height, image_width) 的形式（在我们的示例中为 [10, 1000, 64, 64]）创建一个合适的 4D 张量/ .npy。

稍后我可以使用它来将其拆分为训练和验证。

任何帮助将非常感激！谢谢你。

标签： pythontensorflowimage-preprocessing

解决方案

将图像转换为 4 维数组的示例代码

import tarfile
my_tar = tarfile.open('images.tar.gz')
my_tar.extractall() # specify which folder to extract to
my_tar.close()

import pathlib
data_dir = pathlib.Path('/content/images/')

import tensorflow as tf
batch_size = 32
img_height = 224
img_width = 224

train_ds = tf.keras.preprocessing.image_dataset_from_directory(
  data_dir,
  validation_split=0.2,
  subset="training",
  seed=123,
  image_size=(img_height, img_width),
  batch_size=batch_size)

class_names = train_ds.class_names

val_ds = tf.keras.preprocessing.image_dataset_from_directory(
  data_dir,
  validation_split=0.2,
  subset="validation",
  seed=123,
  image_size=(img_height, img_width),
  batch_size=batch_size)

val_batches = tf.data.experimental.cardinality(val_ds)
test_dataset = val_ds.take(val_batches // 5)

输出

Found 8 files belonging to 2 classes.
Using 7 files for training.
Found 8 files belonging to 2 classes.
Using 1 files for validation.

for image_batch, labels_batch in train_ds:
  print(image_batch.shape)
  print(labels_batch.shape)

输出

(7, 224, 224, 3)
(7,)

推荐阅读