DataWhale夏令营:Task2：建模方案解读与进阶

glob库的要点

glob库主要是方便查找搜索文件而生的，os库主要用来实现文件的基础操作,shutil主要用来实现文件的复制移动操作。

1. 3个通配符

* : 匹配0个或多个字符
**: 匹配所有文件,目录，子目录和子目录里的文件，常搭配recursive=True使用如glob.glob(“**/*.txt”,recursive=True)返回的就是递归搜索当前目录下的所有的txt文件
?: 匹配一个字符；
[]:匹配指定范围内的字符，如[0-9]匹配数字，[a-z]匹配小写字母

2. 3个函数

• glob.glob():返回符合匹配条件的所有文件的路径list
• glob.iglob(): i指的是iterator,返回一个迭代器对象，对于大型目录，一次性获取所有匹配的文件列表可能会占用大量内存。在这种情况下，可以使用iglob()函数来进行迭代获取
• glob.escape():escape可以忽略所有特殊字符-----星号，问号，中括号，用处不大

应用： 在上节YOLO制作数据集时，使用glob进行搜索所有的.mp4文件和.json文件，然后通过sort进行升序排序，通过排序然后结合zip()方法可以轻松将mp4和anno对应起来。

train_annos = glob.glob('训练集(有标注第一批)/标注/*.json') #返回所的标注文件路径的list
train_videos = glob.glob('训练集(有标注第一批)/视频/*.mp4') #返回所有的视频路径的list
train_annos.sort(); train_videos.sort()

category_labels = ["非机动车违停", "机动车违停", "垃圾桶满溢", "违法经营"]

for anno_path, video_path in zip(train_annos[:5], train_videos[:5]):
    #TODO:保存帧以及对应的标注

Warning库学习

忽略所欲ignore类型的警告信息。

import warnings 
warnings.filterwarnings('ignore')

数据类型转换

1. json转pandas的DataFrame

如下，json->dataFrame

anno_df = pd.read_json(anno_path)

2. torch的tensor转为numpy的Ndarray类型

通过.cpu.numpy()将tensor转为Ndarray类型

       xyxy = boxes.xyxy.data.cpu().numpy().round()
        cls = boxes.cls.data.cpu().numpy().round()
        conf = boxes.conf.data.cpu().numpy()

        xyxy = boxes.xyxy.data.cpu().numpy().round()
        cls = boxes.cls.data.cpu().numpy().round()
        conf = boxes.conf.data.cpu().numpy()