【深度学习】随笔2：从csv文件中读取图片路径与标签

import pandas as pd
import numpy as np
from  pandas import DataFrame as df
import os
import math
import keras
from keras.preprocessing import image
from keras.applications.resnet50 import preprocess_input
from keras.utils import np_utils, Sequence
from sklearn.model_selection import StratifiedShuffleSplit

• header=None时，即指明原始文件数据没有列索引，这样read_csv为自动加上列索引，除非你给定列索引的名字。
• header=0，表示第一行为标题行

root=r'C:\Users\liulu\Desktop\huaweicloud\file\train_data\train_data'
file_folder=r'C:\Users\liulu\Desktop\huaweicloud\file\train_data\train_data'
img_path = [] # 每张图片的路径
labels = []  # 每张图片的标签
csv = pd.read_csv(r"C:\Users\liulu\Desktop\huaweicloud\file\train.csv",header=0)

for index in csv.index:
    image = str(csv.loc[index].values[0])
    label = int(csv.loc[index].values[1])
    image_name = os.path.join(file_folder, image)
    img_path.append(image_name)
    labels.append(label)
    
print(len(img_path),len(labels))

现在需要将训练集与验证集都找到其图片的路径，然后与标签对应，可以封装成一个函数

def get_data(label_file):   #从csv文件中读取图片路径和标签
        img_paths=[]
        labels=[]
        csv=pd.read_csv(label_file,header=0)  #===0000????
        csv=csv.sample(frac=1.0)  #csv是一个数据框，csv.loc[index]是一个series，.value得到array
        for index in csv.index:
            image=str(csv.loc[index].values[0])
            label=int(csv.loc[index].values[1])
            image_name=os.path.join(file_folder,image)
            img_paths.append(image_name)
            labels.append(label)
        return img_paths,labels
    
train_img_paths,train_labels=get_data(train_label_file)  #get训练csv得到图片路径列表，标签列表
val_img_paths, val_labels = get_data(val_label_file)