mxnet-im2rec.py文件训练数据生成方法

生成list文件

python /home/research/tools/incubator-mxnet/tools/im2rec.py –list 1 –recursive 1 –train-ratio 0.9 eye eye/

输入参数含义:

–list:当要生成list文件时,这个参数一定要设为True,表示当前用来生成的list文件;默认是生成rec文件;

–recursive:递归的遍历你的所有数据集,要设为True;

–train-ratio:用来将你的全部数据集拆分成两部分:训练集(train)和交叉验证集(val),具体多少作为训练集,多少作为验证集,就由这个参数来确定;

–test-ratio:同上,分成训练集和测试集两部分;

prefix:这里指的是你要生成list文件的前缀名,上述命令行为 eye;

root:这里指的是图片数据存放路径,上述命令行为 eye/;

–exts:读取图片后缀,关于图片格式,查看代码im2rec.py可以看到,

rgroup.add_argument(‘–encoding’, type=str, default=’.jpg’, choices=[‘.jpg’, ‘.png’],

也就是当前版本支持图片格式为jpg,png.

–label_width

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
如果你想在 Mac M1 上使用 MXNet 的 im2rec 工具生成图片训练集,可以按照以下步骤进行操作: 1. 安装 Miniconda:在终端中运行以下命令: ``` curl -O https://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-x86_64.sh bash Miniconda3-latest-MacOSX-x86_64.sh ``` 然后按照提示完成安装。 2. 创建虚拟环境:在终端中运行以下命令: ``` conda create -n mxnet python=3.8 conda activate mxnet ``` 3. 安装 MXNet:在终端中运行以下命令: ``` pip install mxnet ``` 4. 准备数据:将图片按照类别分别保存到不同的文件夹中,并将文件夹命名为对应的类别名称。 5. 运行 im2rec 工具:在终端中运行以下命令: ``` python -m im2rec /path/to/data /path/to/output.rec --recursive --train-ratio 0.8 --list --num-thread 4 ``` 其中,/path/to/data 是图片所在的文件夹路径,/path/to/output.rec生成的 .rec 文件路径,--recursive 表示递归地读取子目录中的图片,--train-ratio 0.8 表示将 80% 的数据作为训练集,--list 表示生成 .lst 文件,--num-thread 4 表示使用 4 个线程进行处理。 6. (可选)将 .rec 文件转换为 .lst 文件:如果你需要使用 .lst 文件进行训练,可以使用以下命令将 .rec 文件转换为 .lst 文件: ``` python -m im2rec /path/to/output.rec /path/to/output.lst ``` 其中,/path/to/output.rec生成的 .rec 文件路径,/path/to/output.lst 是转换后的 .lst 文件路径。 注意,im2rec 工具还支持许多其他选项,如数据增强、均衡化、标签的映射等等,你可以根据自己的需求进行使用。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值