Nano Hash - криптовалюты, майнинг, программирование

Преобразование списка Python в массив numpy для Keras CNN

У меня есть 200000 цветных изображений каждого размера (50x50x3), хранящихся в виде списка в Python. Поскольку все это в списке, я хочу изменить его на пустой массив размерности (200000,50,50,3). Однако использование np.toarray(list) возвращает массив формы (200000,)

Но если я укорочу список (скажем, возьму только 10000 элементов), а затем сделаю np.toarray(shortened_list), он вернет правильный массив формы (10000,50,50,3)

Я хочу сделать это, чтобы передать изображения на CNN с помощью Keras.

python numpy arrays keras
05.12.2018

Ответы:


1

Одно или несколько изображений имеют неправильную форму или не являются изображением, поэтому их невозможно поместить в массив чисел.

Затем Numpy создает массив объектов. Найдите неправильное изображение и удалите его из списка или измените его размер правильно.

Намекать:

for i, img in enumerate(shortened_list):

    if not hasattr(img, 'shape'):
        print("wrong image at index " + str(i))
    elif img.shape != (50,50,3):
        print("wrong image at index " + str(i))
05.12.2018
  • Это очень помогло. В наборе данных было несколько изображений с разными формами. 06.12.2018
    • Новые материалы
    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..