0
深い学習のチュートリアルのウェブサイトで、私はこのコードが以下のように画像を読むことが分かった。python：深い学習のためにRGB画像を読む
cv2.resize(cv2.imread(folder + name, 1), (100, 200)).reshape(3, 100, 200)
このコードは、画像の形状を（100,200,3）から（3,100,200）に変更します。 関数が行列の形をどのように変えているかを調べようとしましたが、奇妙な出力がありました。
2x4 RGB画像（d）を次のようにします。
d = array([[[ 1, 2, 3],[ 4, 5, 6],[ 7, 8, 9], [10, 11, 12]],[[13, 14, 15],[16, 17, 18], [19, 20, 21],[22, 23, 24]]])
d.shape: (2, 4, 3)
作り直す適用した後、それは
d.reshape(3,2,4)
array([[[ 1, 2, 3, 4],
[ 5, 6, 7, 8]],
[[ 9, 10, 11, 12],
[ 13, 14, 15, 16]],
[[ 17, 18, 19, 20],
[ 21, 22, 23, 24]]])
を示ししかし、我々は以下のようにイメージを表現したいので、私は、これは適切な表現ではないと思います。
したがって、以下のように画像を変換する必要があります。
d.reshape(3,2,4)
array([[[ 1, 4, 7, 10],
[ 13, 16, 19, 22]],#R layer
[[ 2, 5, 8, 11],
[ 14, 17, 20, 23]],#G layer
[[ 3, 6, 9, 12],
[ 15, 18, 21, 24]]])#B layer
私の理解は間違っていますか？知識があれば私を助けてください。
以下のコード全体を入力します。
from torch import nn
from torch.nn import functional as F
from torch.autograd import Variable
from sklearn.model_selection import train_test_split
import numpy as np
from collections import Counter
import os
import cv2
import torch.optim as optim
import torch.utils.data
def read_labels(file):
dic = {}
with open(file) as f:
reader = f
for row in reader:
dic[row.split(",")[0]] = row.split(",")[1].rstrip() #rstrip(): eliminate "\n"
return dic
image_names= os.listdir("../train")
label_dic = read_labels("../labels.csv")
labels = []
images =[]
for name in image_names:
images.append(cv2.resize(cv2.imread("../train/"+name,1), (100, 200)).reshape(3,100,200))
labels.append(label_dic[os.path.splitext(name)[0]])
images = np.asarray(images)
"""
Assign numbers for each labels
"""
tmp_labels = labels
uniq_labels = set(tmp_labels) # eliminate duplication
num_breeds = len(Counter(labels)) # number of breeds
uniqu_labels_index = dict((label, i) for i, label in enumerate(uniq_labels)) #create dictionary and assign number for each labels
labels_num = [uniqu_labels_index[label] for i,label in enumerate(labels)]
labels_num = np.array(labels_num)
"""
Data distribution
"""
N = len(images)
N_train = int(N * 0.7)
N_test = int(N*0.2)
X_train, X_tmp, Y_train, Y_tmp = train_test_split(images, labels_num, train_size=N_train)
X_validation, X_test, Y_validation, Y_test = train_test_split(X_tmp, Y_tmp, test_size=N_test)
"""
Model Definition
"""
# CNN Model (2 conv layer)
class CNN(nn.Module):
def __init__(self):
super(CNN, self).__init__()
self.layer1 = nn.Sequential(
nn.Conv2d(3,34, kernel_size=5,padding= 2),
nn.Dropout2d(),
nn.BatchNorm2d(34),
nn.ReLU(),
nn.MaxPool2d(2))
self.layer2 = nn.Sequential(
nn.Conv2d(34, 68, kernel_size=5,padding= 2),
nn.BatchNorm2d(68),
nn.ReLU(),
nn.MaxPool2d(2))
self.fc1 = nn.Linear(1700,300)
self.fc2 = nn.Linear(300,num_breeds)
def forward(self, x):
out = self.layer1(x)
#print out.data.shape
out = self.layer2(out)
#print out.data.shape
out = out.view(out.size(0), -1)
#print out.data.shape
out =self.fc1(out)
#out = F.dropout(out)
#out = self.fc2(out)
return F.log_softmax(out)
def accuracy(self,outputs,labels):
#for i, (images_val, labels_val) in enumerate(val_loader):
# print images.shape
# images_val = Variable(images_val).float()
# labels_val = Variable(labels_val).float().type(torch.LongTensor)
# outputs_val = CNN(images_val)
inference = np.argmax(outputs.data.numpy(),axis=1)
answers = labels.data.numpy()
correction = np.equal(inference,answers)
return np.sum(correction)/float(len(correction))
CNN = CNN()
"""
Training
"""
batch_size = 100
learning_rate =0.01
# Data Loader (Input Pipeline)
train = torch.utils.data.TensorDataset(torch.from_numpy(X_train), torch.from_numpy(Y_train))
train_loader = torch.utils.data.DataLoader(train, batch_size=batch_size, shuffle=True)
val = torch.utils.data.TensorDataset(torch.from_numpy(X_validation), torch.from_numpy(Y_validation))
val_loader = torch.utils.data.DataLoader(val, batch_size=len(X_validation), shuffle=True)
test = torch.utils.data.TensorDataset(torch.from_numpy(X_test), torch.from_numpy(Y_test))
test_loader = torch.utils.data.DataLoader(test, batch_size=len(X_test), shuffle=True)
criterion = nn.CrossEntropyLoss()
optimizer = torch.optim.Adam(CNN.parameters(), lr=learning_rate)
for epoch in range(250): # loop over the dataset multiple times
running_loss = 0.0
for i, (images, labels) in enumerate(train_loader):
images = Variable(images).float()
labels = Variable(labels).float().type(torch.LongTensor)
# Forward + Backward + Optimize
optimizer.zero_grad()
outputs = CNN(images)
loss = criterion(outputs, labels)
loss.backward()
optimizer.step()
running_loss += loss.data[0]
accuracy = CNN.accuracy(outputs,labels)
print
print "epoch :",epoch
print 'loss:' ,float(running_loss)/2000
print "accuracy :",accuracy
running_loss = 0.0
print('Finished Training')
for i, (images, labels) in enumerate(test_loader):
images = Variable(images).float()
labels = Variable(labels).float().type(torch.LongTensor)
optimizer.zero_grad()
outputs = CNN(images)
inference = np.argmax(outputs.data.numpy(),axis=1)
answers = labels.data.numpy()
correction = np.equal(inference,answers)
print np.sum(correction)/float(len(correction))
をやっているかを見ることができるのだろうか？変換された形状のRGBデータはどこにプッシュされていますか？あなたが従うべきチュートリアルへのリンクがありますか？データの形状は、どのような「深い学習」アルゴリズムが使用されているかによって異なります。 – jmunsch