Je travaille actuellement sur la tâche de classification cats vs dogs sur kaggle en implémentant un convNet profond. Les lignes de code suivant est utilisé pour les données pré-traitement:Comment implémenter la fonction next_batch() pour les données personnalisées en python
def label_img(img):
word_label = img.split('.')[-3]
if word_label == 'cat': return [1,0]
elif word_label == 'dog': return [0,1]
def create_train_data():
training_data = []
for img in tqdm(os.listdir(TRAIN_DIR)):
label = label_img(img)
path = os.path.join(TRAIN_DIR,img)
img = cv2.resize(cv2.imread(path,cv2.IMREAD_GRAYSCALE),IMG_SIZE,IMG_SIZE))
training_data.append([np.array(img),np.array(label)])
shuffle(training_data)
return training_data
train_data = create_train_data()
X_train = np.array([i[0] for i in train_data]).reshape(-1, IMG_SIZE,IMG_SIZE,1)
Y_train =np.asarray([i[1] for i in train_data])
Je veux mettre en œuvre une fonction qui reproduit la fonction suivante fournie dans le tutoriel MNIST profond tensorflow
batch = mnist.train.next_batch(100)
Essayez-le. Merci pour votre temps. –