深度学习入门流程包括完成图片制作与数据准备、构建与训练神经网络模型，并评估模型性能（基于TensorFlow+keras）。
发布时间
阅读量：
阅读量
首先需要将用于训练的图像及其对应标签整合为一个数据集，我采用的是numpy库中的savez函数，该方法能够将numpy数组存储为.npz格式的文件（由于未进行压缩处理，因此生成的文件体积相对较大）。
import cv2 as cv
import numpy as np
import os
import glob
#调整图像的大小、制作数据集
def img_process(subpath,path_list):
print('This is',subpath,'dataset.')
img=np.zeros((len(path_list),1145,1145),dtype=np.uint8)
if subpath=='pos':
label=np.zeros(len(path_list),dtype=np.uint8)
else:
label=np.ones(len(path_list),dtype=np.uint8)
finish=0;
for img_path in path_list:
#读取灰度图
aimg = cv.imread(img_path,cv.IMREAD_GRAYSCALE) 全部评论 (0)
还没有任何评论哟~