Umformen ein array von Bildern

Habe ich 60000 train_images brachte als eine Form (28,28,60000) - matrix. Es ist ein numpy.ndarray. Ich möchte konvertieren es in ein array von 1-dimensionale Bilder, d.h. jedes Bild wird dargestellt als eine einzelne Leitung/array von zahlen, und ich möchte, 60000-arrays. In anderen Worten, ich will von (28, 28, 60000) zu (60000, 28*28). In python wäre es:

images_features = []
for image in images:
    imageLine = []
    for y in range(len(image)):
        for x in range(len(image[0])):
            imageLine.append(image[y][x])
    images_features.append(imageLine)

Wie kann ich dies tun? Ich vermute, dass ich Umformen, aber ich konnte nicht herausfinden, wie genau ich dies tun kann.

Dies ist, wie ich immer bin-Bilder:

data = scipy.io.loadmat('train.mat')


images = data["train_images"]

Also die "Bilder" ist die Reihe, die ich spreche.

Jemand mir vorgeschlagen, dass:

"Möglicherweise müssen Sie zum ändern von Achsen, oder kombinieren Sie Sie bekommen die Funktionen, die Sie wollen. Ich empfehle Ihnen aufträgt als auch im Falle eines Bildes landet seitlich. Stellen Sie sicher, dass Sie eifrig sind, mit Ihren Achsen um zukünftige Probleme zu vermeiden es."

Ich habe keine Ahnung, was "Achsen" bezeichnet wird, um hier und wie nehmen Sie, was oben gesagt Berücksichtigung.

Kann mir jemand erklären was ich tun muss und warum? (Was es tut)

Vielleicht images.reshape(-1).tolist() wenn Sie möchten, dass die Ausgabe in eine python Liste (oder ohne tolist() sonst)?
Was bedeutet die -1 zu tun? Ich brauche eine 1 von 28^2 von 60000 array.
Naja sorry ich misreaded. die -1 flatten vollständig die matrix (das ist nicht das, was Sie wollen). Sie können werfen Sie einen Blick auf die numpy-Dokumentation über die N-dimensional array
Wenn ich gut verstehe, Sie images.reshape(-1, 60000) wird die Arbeit machen ? Geben Sie 60000 verfügt mit 784 Werte. Um die Ausgabe als python-Liste von 60000 features : images.reshape(-1, 60000).T.tolist()
image.transpose(2,0,1) oder image.transpose(2,1,0)?
Du meinst NACH dem Umformen? Warum sollte das hier nötig sein? @Divakar
Ich meine, um zu gehen von (28, 28, 60000) zu (60000, 28*28) einer von den beiden sollte funktionieren. Und KEINE Umgestaltung notwendig.
Der Form nach entweder von den beiden transponiert ist noch (60000, 28, 28) , nicht (60000, 28*28), wobei für jedes Bild eine Zeile verkettet ist, an das Ende der vorherigen Zeile, wodurch eine Zeile pro Bild, 60000 Zeilen insgesamt. @Divakar
Also, versuchen Sie image.transpose(2,0,1).reshape(60000,-1) und image.transpose(2,1,0).reshape(60000,-1). Einer der beiden sollte funktionieren.
Danke, Bild.transpose(2,1,0).reshape(60000,-1) funktioniert! @Divakar
Alternativ, nur Bild.transpose().reshape(60000, -1), mit den Standard umsetzen.

InformationsquelleAutor ajfbiw.s | 2016-02-09

Da kommt, über loadmat eine Form (28,28,60000) Sinn macht - MATLAB iteriert beginnend mit dem letzten index.

images.transpose()  # or images.T

verschiebt die Achsen, also das Ergebnis ist (60000,28,28). Die letzten beiden Dimensionen können kombiniert mit einer Neugestaltung

images.T.reshape(60000,28*28)
images.T.reshape(60000,-1)   # short hand

Ihnen viele müssen zur Umsetzung der 28x28 Bilder, z.B.

images.transpose([2,0,1])  # instead of the default [2,1,0]

.T ist die gleiche wie die MATLAB - ' (oder .').

images kann auch order='F'.

octave:38> images=reshape(1:30,2,3,5);
octave:39> save test.mat -v7 images
octave:40> images
images =

ans(:,:,1) =

   1   3   5
   2   4   6

ans(:,:,2) =

    7    9   11
    8   10   12
....

Wählte ich test Abmessungen klein zu sein, und machen es einfach, zu unterscheiden, die verschiedenen Achsen.

In einem Ipython-Sitzung:

In [15]: data=io.loadmat('test.mat')

In [16]: data
Out[16]: 
{'__globals__': [],
 '__header__': 'MATLAB 5.0 MAT-file, written by Octave 3.8.2, 2016-02-10 05:19:18 UTC',
 '__version__': '1.0',
 'images': array([[[  1.,   7.,  13.,  19.,  25.],
        [  3.,   9.,  15.,  21.,  27.],
        [  5.,  11.,  17.,  23.,  29.]],

       [[  2.,   8.,  14.,  20.,  26.],
        [  4.,  10.,  16.,  22.,  28.],
        [  6.,  12.,  18.,  24.,  30.]]])}

In [18]: data['images'].T
Out[18]: 
array([[[  1.,   2.],
        [  3.,   4.],
        [  5.,   6.]],

       [[  7.,   8.],
        [  9.,  10.],
        [ 11.,  12.]],
....
In [19]: data['images'].transpose([2,0,1])
Out[19]: 
array([[[  1.,   3.,   5.],
        [  2.,   4.,   6.]],

       [[  7.,   9.,  11.],
        [  8.,  10.,  12.]],
 ....
In [22]: data['images'].transpose([2,1,0]).reshape(5,-1)
Out[22]: 
array([[  1.,   2.,   3.,   4.,   5.,   6.],
       [  7.,   8.,   9.,  10.,  11.,  12.],
 ...

Also ich mache: Bilder = Bilder.transpose().reshape(60000, -1)?
Wenn ja, wie kann ich entscheiden, ob die Standard-transpose vs 2, 0, 1?
trial-and-error? Siehe meine edits.
So, aus dem Beispiel oben, wie es scheint, data['Bilder'].transpose([2,1,0]).reshape(5,-1) das richtige tut, wo die 2,1,0 ist die Standard-Einstellung für das transponieren.

InformationsquelleAutor hpaulj

1

Ich denke, Sie brauchen nur zu verwenden Umformen:
```
>>> images = np.ndarray([60000, 28, 28])
>>> images.shape
(60000, 28, 28)
>>> images_rs = images.reshape([60000, 28*28])
>>> images_rs.shape
(60000, 784)
```
- Sollte es sein Bilder.reshape([60000, 28*28]) oder Bilder.Umformen([28*28, 60000])? Was ist der Unterschied?
- In meinen Kommentaren habe ich eine Form 28, 28, 60000 nur um die Zahl, die Sie gesagt in Ihrer Frage, aber reshape nicht beschwert, als die Größe des Arrays nicht geändert werden (und die Ausgabe wird wohl mehr bestellt, wie Sie wollen mit 60000, 28*28 statt 28*28, 60000).
- Ich denke, wenn man 60000 einzelnen Bilder an, dann sollte die erste dimension. Sie haben ein array mit 60000 arrays der Länge 784. Die In (28*28 x 60000) Fall müssen Sie ein array mit 784 (28*28) arrays der Länge 60000.
- Es stellt sich heraus, dass die Art und Weise vorgeschlagen, in der Antwort funktioniert nicht richtig.
- Die Größe der resultierenden matrix ist richtig, aber der Inhalt nicht.
InformationsquelleAutor Brian Huey

Können Sie Umformen train_images und überprüfen Sie es anhand der Darstellung der Bilder,

Umformen:

train_features_images = train_images.reshape(train_images.shape[0],28,28)

Plotten Bilder:

import matplotlib.pyplot as plt
def show_images(features_images,labels,start, howmany):
    for i in range(start, start+howmany):
        plt.figure(i)
        plt.imshow(features_images[i], cmap=plt.get_cmap('gray'))
        plt.title(labels[i])
    plt.show()
show_images(train_features_images, labels, 1, 10)

InformationsquelleAutor Anvesh_vs

Schreibe einen Kommentar

Du musst angemeldet sein, um einen Kommentar abzugeben.