生成多个维度数据，以仿真图片格式，作为U-net网络的输入

最新推荐文章于 2024-04-23 00:30:00 发布

Zhang庆欢

最新推荐文章于 2024-04-23 00:30:00 发布

阅读量213

点赞数

分类专栏： python代码文章标签： pytorch 深度学习 python

本文链接：https://blog.csdn.net/qq_39909808/article/details/124767685

版权

python代码专栏收录该内容

4 篇文章 0 订阅

订阅专栏

这段代码首先生成了20000个样本，每个样本包含两个128x128通道的数据，通过标准化处理。接着，数据被保存为.pth文件。然后，代码演示了如何加载这些数据。最后，虽然未显示，但可以推断这些数据可能用于训练U-net模型，一种常用于图像分割的深度学习架构。

摘要由CSDN通过智能技术生成

1.生成数据

import torch
import numpy as np

data = []
for i in range(20000):
    x=[]
    y=[]
    for i in range(16384):
        a = np.random.normal(loc=0.0, scale=14, size=None)
        b = np.random.normal(loc=0.0, scale=14, size=None)
        y.append(b)
        x.append(a)

    x_min = min(x)
    x_max = max(x)
    y_min = min(y)
    y_max = max(y)

    for i in range(16384):
        x[i] = (x[i] - x_min) / (x_max - x_min)
        y[i] = (y[i] - y_min) / (y_max - y_min)

    X = np.array(x).reshape(128, 128)
    Y = np.array(y).reshape(128, 128)
    matrix_A = np.array([X,Y])
    neg_tensor = torch.FloatTensor(matrix_A)
    neg_tensor = (neg_tensor, 0)
    data.append(neg_tensor)

torch.save(data, "./output-set/train_data.pth") #D:\python\project\Artificialgan\ArtificialGANFingerprints-main\output-set\data.pth

以上是生成了20000条数据，每条数据是两个通道128*128=16384

2.读取数据

import torch
y = torch.load("D:\python\project\Artificialgan\ArtificialGANFingerprints-main\output-set\data.pth")
print(y)

3.U-net读取该生成的数据

在这里插入图片描述