label.numpy # torch 转numpy
np.asarray #列表转化为np
label = label.astype(np.uint8) #改变np的数据类型
label = Image.fromarray(label).resize((513, 513), resample=Image.NEAREST)
# 对lable数据进行处理,完成标签的尺寸缩放
torch.LongTensor #np 转torch
getdataset # 需要自己写一个导入数据的脚本,将样本和标签分别导入 image 和label
label = label.astype(np.uint8)
image = cv2.imread(image_path, cv2.IMREAD_COLOR).astype(np.float32)
# cv读取的如图像 转化为制定的数据类型
label = sio.loadmat(label_path)["S"]
#读取mat数据的一种方法吧,不确定?
image = np.transpose(image, (1, 2, 0))
#交换数据的维度
image = image.transpose( 1,2)
#两种不同的语句
image.shape[:2]
#取数据的前两维
label[..., 3][(label_ == 255)] = 0
# 制定标签赋予指定值,label[] 索引,坐标 先[],然后() 中添加条件,
np.hstack
np.vstack # 分别沿着不同的方向叠加
python函数整理
最新推荐文章于 2024-01-22 19:23:41 发布