Record_ 03_读取文件夹下所有图片文件并将模型输出概率依次写入Excel表格中

假设C盘下有picture文件夹下有1000张图片，依次读取该文件夹下图片并将模型输出概率依次写入Excel表格中的操作如下：

import os
import cv2
import torch
import openpyxl

def test(cfg):
	path = 'C:/picture'
	
	path_list = os.listdir(path)
	prob_list = []
	for filename in path_list:
	    image_path = os.path.join(path, filename)
	    model.eval()
	    image = cv2.imread(image_path)
	    
	# 这里是对读入的图片进行预处理的操作
	    im = (image - 127.5) * 0.0078125
	    in_img = cv2.resize(im, (cfg.input_shape[2], cfg.input_shape[1]))
	    # 转成 c h w, tensor
	    in_img = torch.from_numpy(in_img.transpose((2, 0, 1)))
	    in_img = in_img.type(torch.FloatTensor)
	    in_img = in_img.unsqueeze(0)
	  
	    # model是网络模型，该句的意思是将处理的图片读入到模型中，参数out是模型输出
	    out = model(in_img.to(device))
	  
	    # out[0]表示图片是负样本的概率，out[1]表示图片是正样本的概率
	    prob = out[0] # shape [n_boxes, 2]
	    
	    # 将GPU上tensor类型的pro列表转换成CPU上的tensor   
	    prob = torch.squeeze(prob)   
	    prob = prob.cpu().data.numpy()
	    prob_list.append(prob[0])
	
	# 返回一个numpy类型的列表    
	return prob_list

# 将数据写入E盘下pro_data文件夹下文件名为users.xlsxexcel的Excel表格中
def data_write(datas):
    execl_path = 'E:/pro_data/users.xlsx'
    mywb = openpyxl.Workbook()
    #index表示这是第几张工作表，从零开始；，title是工作表的名字
    mywb.create_sheet(index=0,title='Sheet1') 
    sheet_names=mywb.get_sheet_names()
    mysheet = mywb.get_sheet_by_name('Sheet1')
        
    #将数据写入第 i 行，第 j 列，参数A表示Excel表格中的A列
    i = 0
    for i in range(len(datas)):
        mysheet['A'+str(i+1)] = datas[i]
        i = i + 1
    mywb.save(execl_path) #保存文件

if __name__ == "__main__":
    args = parse_args()
    cfg = parse_config(args.yaml)
    datas = test(cfg)
    # 将返回的numpy类型的prob_list列表依次写入到Excel表格中
	data_write(datas)

文章最后有微信公众号：惟CPP，欢迎关注，一起交流学习进步~