深度学习15-Google涂鸦识别挑战项目(下)

本文深入探讨了Google涂鸦识别项目的下篇,重点讲述了数据处理的四个关键步骤:数据shuffle、TFRecord格式、TextLineDataset以及from_generator方法。接着,通过实例介绍了建模方法,并在最后构建了Baseline模型,包括数据处理和读取环节,同时引用了MobileNet论文作为理论依据。
摘要由CSDN通过智能技术生成


在这里插入图片描述

1.数据处理

1)数据shuffle

在这里插入图片描述

2)TFRecord

在这里插入图片描述

3)TextLineDataset方式

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

4)from_generator方法

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

2.建模方法

在这里插入图片描述
在这里插入图片描述

例子

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

3.Baseline构建

在这里插入图片描述

数据处理
import json
import os
import datetime as dt
from tqdm import tqdm
import pandas as pd
import numpy as np

# label
def f2cat(filename: str) -> str:
    return filename.split('.')[0]

# 读取文件,label变成list
class Simplified():
    def __init__(self, input_path='./input'):
        self.input_path = input_path

    def list_all_categories(self):
        files = os.listdir(self.input_path)
        return sorted([f2cat(f) for f in files], key=str.lower)

    def read_training_csv(self, category, nrows=None, usecols=None, drawing_transform=False):
        df = pd.read_csv(os.path.join(self.input_path, category + '.csv'),
                         nrows=nrows, parse_dates=['timestamp'], usecols=usecols)
        if drawing_transform:
            df['drawing'] = df['drawing'].apply(json.loads)
        return df

start = dt.datetime.now()
# 加载数据路径
s = Simplified('./data/')
NCSVS = 100
# 加载类别
categories = s.list_all_categories()
print(len(categories))

# tqdm显示进度
for y, cat in tqdm(enumerate(categories)):
    df = s.read_training_csv(cat)
    
    df['y'] = y
    # 构建cv,知道数据属于哪个文件
    df['cv'] = (df.key_id // 10 ** 7) % NCSVS # 100 
    # 将csv文件的1/100的数据写到里面,for循环
    for k in range(NCSVS):
        filename = './shuffle_data/train_k{}.csv'.format(k)
        chunk = df[df.cv == k]
        chunk = chunk.drop(['key_id'], axis=1)
        if y == 0:
            chunk.to_csv(filename, index=False)
        else:
            chunk.to_csv(filename, mode='a', header=False, index=False)

#对csv数据打乱,进行压缩
for k in tqdm(range(NCSVS)):
    filename = './shuffle_data/train_k{}.csv'.format(k)
    if os.path.exists(filename):
        df = pd.read_csv(filename)
        df['rnd'] = np.random.rand(len(df))
        df = df.sort_values(by='rnd').drop('rnd', axis=1)
        df.to_csv('./shuffle_data_gzip/train_k{}.csv.gz'.format(k), compression='gzip', index=False)
        os.remove(filename)
print(df.shape)

end = dt.datetime.now()
print('Latest run {}.\nTotal time {}s'.format(end, (end - start).seconds))

数据读取
import glob
import tensorflow as tf
import numpy as np
import pandas as pd
import os
import cv2
import json
import matplotlib.pyplot as plt
os.environ['CUDA_VISIBLE_DEVICES']='1'

# 每一个csv.gz文件读取 -> y已
  • 2
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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