python合并文件夹_python实现将两个文件夹合并至另一个文件夹(制作数据集)

此操作目的是为了制作自己的数据集,深度学习框架进行数据准备,此操作步骤包括对文件夹进行操作,将两个文件夹合并至另一个文件夹

该实例为一个煤矿工人脸识别的案例;首先原始数据集(简化版的数据集旨在说明数据准备过程)如下图所示:

该数据集只有三个人的数据,A01代表工人甲的煤矿下的照片,B01代表工人甲下矿前的照片,同理A02、B02代表工人乙的矿下、矿上的照片数据。。。

如下图所示

31a580bf082946a618c895a28865de95.png

矿下

759d9ffadc14429e6e62b697b54a470d.png

矿上

e4fda264fff4c21d9acf2feff4477aee.png

开始制作数据集:

首先建立训练集(0.7)和测试集(0.3),即建立一个空白文件夹

2988845474dd73e5bb966615cc551e72.png

将该文件夹分为四个小文件夹(空),train代表训练集,val代表测试集,valb代表矿井下的测试集,vall代表矿井上的测试集,注:后边两个测试集可有可无

最终制作的数据集如下所示:

3ee838d275cbc713ccb340d71213d777.png

58c1ac7dfe2067bebad14c702e5b2ef0.png

下面为所有的程序详解

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
要使用mxnet将自己的统一文件夹下的数据集图片做成mnist数据集,其中标签为文件夹名,可以按照以下步骤进行: 1. 准备自己的数据集,将不同类别的图片分别存放在不同的文件夹中。 2. 安装mxnet,并导入必要的模块: ```python import mxnet as mx import os ``` 3. 定义一个函数来加载图片和标签数据: ```python def load_data(path): data = [] label = [] for foldername in os.listdir(path): folderpath = os.path.join(path, foldername) for filename in os.listdir(folderpath): filepath = os.path.join(folderpath, filename) img = mx.image.imread(filepath, flag=0) data.append(img) label.append(int(foldername)) return data, label ``` load_data函数会遍历指定路径下的所有文件夹,读取每个文件夹中的图片,并将图片和对应的标签存储在两个列表中。 4. 定义一个函数来将图片和标签数据转换为mxnet的数据格式: ```python def transform(data, label): data = [mx.image.imresize(img, 28, 28) for img in data] data = [mx.nd.array(img) for img in data] label = mx.nd.array(label) return data, label ``` transform函数会对图片进行缩放和格式转换,并将标签转换为mxnet的数据格式。 5. 加载自己的数据集,并将其转换为mxnet的数据格式: ```python data, label = load_data('path/to/your/dataset') data, label = transform(data, label) ``` 6. 加载mnist数据集,并将其转换为mxnet的数据格式: ```python train_data = mx.gluon.data.vision.MNIST(train=True) test_data = mx.gluon.data.vision.MNIST(train=False) train_data = train_data.transform_first(transform) test_data = test_data.transform_first(transform) ``` 7. 将自己的数据集与mnist数据集合并: ```python train_data = mx.gluon.data.ConcatDataset(train_data, mx.gluon.data.ArrayDataset(data, label)) ``` 8. 最后,可以像使用mnist数据集一样使用合并后的数据集来训练模型。 以上就是使用mxnet将自己的统一文件夹下的数据集图片做成mnist数据集标签为文件夹名的步骤,希望能对你有所帮助。
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