cifar10数据通过tensorflow转换成图像

绝地灬酷狼 2023-06-24 13:27 2阅读 0赞

> **陈伟@航天科技智慧城市研究院**chenwei@ascs.tech

本项目通过Tensorflow对Cifar10数据集进行读写操作。

包括完整代码和详细注释。

## Cifar10数据集介绍 ##

*  由60000个图片组成
 *  6万个图片中，5万张用于训练，1万张用于测试
 *  每个图片是32x32像素
 *  所有图片可以分成10类
 *  每个图片都有一个标签，标记属于哪一个类
 *  测试集中一个类对应1000张图
 *  训练集中将5万张图分为5份
 *  类之间的图片是互斥的，不存在类别重叠的情况

## Cifar10数据集分类 ##

![分类][format_png]

## Cifar10数据集下载 ##

*  [官方][Link 1]
 *  [百度网盘][Link 2]  
    密码：tuqq

## 将Cifar10数据转换成图片:convert\_cifar10\_image.py ##

""" 本脚本对cifar10数据进行解析，转换成图片，生成训练图片和测试图片。 """
    
    import urllib.request
    import os
    import sys
    import tarfile
    import glob
    import pickle
    import numpy as np
    import cv2
    
    
    # 通过这个函数完成对数据集的下载和解压
    # tarball_url 表示cifar10数据集的下载链接
    # dataset_dir 表示存储的路径
    
    # 执行下面的代码可以完成数据集的下载和解压
    # DATA_URL = 'http://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz'
    # DATA_DIR = 'data'
    
    # download_and_uncompress_tarball(DATA_URL, DATA_DIR)
    def download_and_uncompress_tarball(tarball_url, dataset_dir):
        """Downloads the `tarball_url` and uncompresses it locally. Args: tarball_url: The URL of a tarball file. dataset_dir: The directory where the temporary files are stored. """
        # tarball_url='http://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz'
        filename = tarball_url.split('/')[-1]  # 文件名，通过/拆分字符串，取最后一节，也就是cifar-10-python.tar.gz
        # dataset_dir = 'data'
        # os.path.join()路径拼接，/data/cifar-10-python.tar.gz
        filepath = os.path.join(dataset_dir, filename)
    
        # 定义进度函数，分块下载
        # count 第几个块
        # block_size 每个块的大小
        # total_size 总的大小
        def _progress(count, block_size, total_size):
            # 等价于print() print底层调用的就是sys.stdout.write()
            sys.stdout.write('\r>> Downloading %s %.1f%%' % (
                filename, float(count * block_size) / float(total_size) * 100.0))
            sys.stdout.flush()
    
        # 如果文件还不存在，才下载，否则不下载
        if not os.path.isfile(filepath):
            # urlretrieve(url, filename=None, reporthook=None, data=None)
            # 参数url：下载链接地址
            # 参数filename：指定了保存本地路径（如果参数未指定，urllib会生成一个临时文件保存数据。）
            # 参数reporthook：是一个回调函数，当连接上服务器、以及相应的数据块传输完毕时会触发该回调，我们可以利用这个回调函数来显示当前的下载进度。
            # 参数data：指post导服务器的数据，该方法返回一个包含两个元素的(filename, headers)元组，filename表示保存到本地的路径，header表示服务器的响应头
            filepath, _ = urllib.request.urlretrieve(tarball_url, filepath, _progress)
            print()
    
        else:
            print('File already existed!')
    
        # 获取文件的信息
        statinfo = os.stat(filepath)
        print('Successfully downloaded', filename, statinfo.st_size, 'bytes.')
        # 将gz文件解压到dataset_dir指定的文件夹
        tarfile.open(filepath, 'r:gz').extractall(dataset_dir)
    
    
    # 预定义10个分类
    classification = ['airplane',
                      'automobile',
                      'bird',
                      'cat',
                      'deer',
                      'dog',
                      'frog',
                      'horse',
                      'ship',
                      'truck']
    
    
    # pickle用于序列化
    # 用于python特有的类型和python的数据类型间进行转换
    # pickle提供四个功能：dumps,dump,loads,load
    # pickle可以存储的数据类型
    # - 所有python支持的原生类型：布尔值，整数，浮点数，复数，字符串，字节，None。
    # - 由任何原生类型组成的列表，元组，字典和集合。
    # - 函数，类，类的实例
    def unpickle(file):
        with open(file, 'rb') as fo:  # 打开文件
            dict = pickle.load(fo, encoding='bytes')  # 是以字典的方式序列化数据
        return dict
    
    
    # DATA_URL = 'http://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz'
    # DATA_DIR = 'data'
    
    # download_and_uncompress_tarball(DATA_URL, DATA_DIR)
    
    # 选择cifar10的路径，用相对路径
    folders = 'data/cifar-10-batches-py'
    
    # 获取目录下所有匹配到的训练集文件
    trfiles = glob.glob(folders + "/data_batch*")
    
    data = []  # 二进制的数据
    labels = []  # 标签列表
    for file in trfiles:  # 对于每个文件
        dt = unpickle(file)  # 得到反序列化后的数据 {"data": [byte], "labels": [int8]}
        data += list(dt[b"data"])  # 转化为list
        labels += list(dt[b"labels"])
    
    # labels形如[1, 2, 3, 4, 6, ...]
    # data 形如：... array([163, 173, 158, ..., 101, 100, 95], dtype=uint8) ...
    print(labels)
    print(len(data))
    
    # 3通道32*32的图像数据
    # [-1, 3, 32, 32]表示将data重新整理成3*32*32的图片，-1表示转化的数量根据实际情况确定
    # numpy.reshape(a, newshape)
    # a : 数组——需要处理的数据。
    # 新的格式——整数或整数数组，如(2,3)表示2行3列。新的形状应该与原来的形状兼容，即行数和列数相乘后等于a中元素的数量。如果是整数，则结果将是长度的一维数组，所以这个整数必须等于a中元素数量。若这里是一个整数数组，那么其中一个数据可以为-1。在这种情况下，这个个值python会自动从根据第二个数值和剩余维度推断出来。
    imgs = np.reshape(data, [-1, 3, 32, 32])
    
    # 遍历所有图片
    # imgs.shape[0]表示图片的数量
    for i in range(imgs.shape[0]):
        im_data = imgs[i, ...]
        im_data = np.transpose(im_data, [1, 2, 0])  # 修改通道顺序，把通道移动到最后[32, 32, 3]
        im_data = cv2.cvtColor(im_data, cv2.COLOR_RGB2BGR)  # 修改图像通道为BGR
    
        # 把图像数据写成文件: data/image/test/airplane
        f = "{}/{}".format("data/image/train", classification[labels[i]])
    
        # 确保文件夹存在
        if not os.path.exists(f):
            os.mkdir(f)
    
        # 文件名形如：data/image/train/airplane/1.jpg
        cv2.imwrite("{}/{}.jpg".format(f, str(i)), im_data)

这个脚本对数据进行下载，并且转换成图片  
首先将文件中下面三行的注释移除

DATA_URL = 'http://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz'
    DATA_DIR = 'data'
    download_and_uncompress_tarball(DATA_URL, DATA_DIR)

并且执行

python3 convert_cifar10_image.py

这样脚本会自动下载数据，并且转换成图片。其中训练数据在data/image/train目录下。  
如果在线下载比较慢，可以通过百度网盘先将数据集下载到项目根目录下，再执行这个convert\_cifar10\_image.py脚本，这样会自动跳过从网络上下载。

代码已经上传到[Github][]

[format_png]: https://imgconvert.csdnimg.cn/aHR0cDovL2FpY2hlbndlaS5vc3MtYXAtc291dGhlYXN0LTEuYWxpeXVuY3MuY29tL2dpdGh1Yi9jaWZhcjEwLnBuZw?x-oss-process=image/format,png
[Link 1]: http://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz
[Link 2]: https://pan.baidu.com/s/1AwQUx_KukoScbqlbF_IS-w?_blank
[Github]: https://github.com/cwyd0822/cifar10-tensorflow-read-write/blob/master/convert_cifar10_image.py