平行宇宙: 8월 2019

2019년 8월 25일 일요일

텐서플로로 배우는 딥러닝 10 image segmentation 소스 수정

# -*- coding: utf-8 -*-
import numpy as npfrom PIL import Image# import scipy.misc as miscfrom matplotlib.pyplot import imread

# 데이터를 배치 단위로 묶는 BatchDatset 클래스를 정의합니다.class BatchDatset:
    files = []
    images = []
    annotations = []
    image_options = {}
    batch_offset = 0    epochs_completed = 0
    def __init__(self, records_list, image_options={}):
        """    arguments:      records_list: 읽어들일 file records의 list      (record 예제: {'image': f, 'annotation': annotation_file, 'filename': filename})      image_options: 출력 이미지를 조정할 수 있는 옵션(dictionary 형태)        가능한 옵션들:        resize = True/ False (resize를 적용할지 말지를 결정)        resize_size = size of output image (resize된 출력이미지의 크기 - bilinear resize를 적용합니다.)    """        print("Initializing Batch Dataset Reader...")
        print(image_options)
        self.files = records_list
        self.image_options = image_options
        self._read_images()

    # raw 인풋 이미지와 annoation된 타겟 이미지를 읽습니다.    def _read_images(self):
        self.__channels = True        self.images = np.array([self._transform(filename['image']) for filename in self.files])
        self.__channels = False        self.annotations = np.array(
            [np.expand_dims(self._transform(filename['annotation']), axis=3) for filename in self.files])
        print(self.images.shape)
        print(self.annotations.shape)

    # 이미지에 변형을 가합니다.    def _transform(self, filename):
        image = imread(filename)
        if self.__channels and len(image.shape) < 3:
            image = np.array([image for i in range(3)])

        # resize 옵션이 있으면 이미지 resiging을 진행합니다.        if self.image_options.get("resize", False) and self.image_options["resize"]:
            resize_size = int(self.image_options["resize_size"])
            #im = Image.fromarray((x * 255).astype(np.uint8))            if int(image.shape[0]) <= 3:
                resize_image = np.array(Image.fromarray(np.transpose(image, (1, 2, 0))).resize(resample=Image.NEAREST, size=(resize_size, resize_size)))
            else:
                resize_image = np.array(Image.fromarray(image).resize(resample=Image.NEAREST, size=(resize_size, resize_size)))
            # resize_image = misc.imresize(image,[resize_size, resize_size], interp='nearest')        else:
            resize_image = image

        return np.array(resize_image)

    # 인풋 이미지와 타겟 이미지를 리턴합니다.    def get_records(self):
        return self.images, self.annotations

    # batch_offset을 리셋합니다.    def reset_batch_offset(self, offset=0):
        self.batch_offset = offset

    # batch_size만큼의 다음 배치를 가져옵니다.    def next_batch(self, batch_size):
        start = self.batch_offset
        self.batch_offset += batch_size
        # 한 epoch의 배치가 끝난 경우 batch index를 처음으로 다시 설정합니다.        if self.batch_offset > self.images.shape[0]:
            # 한 epoch이 끝났습니다.            self.epochs_completed += 1            print("****************** Epochs completed: " + str(self.epochs_completed) + "******************")
            # 데이터를 섞습니다.(Shuffle)            perm = np.arange(self.images.shape[0])
            np.random.shuffle(perm)
            self.images = self.images[perm]
            self.annotations = self.annotations[perm]
            # 다음 epoch을 시작합니다.            start = 0            self.batch_offset = batch_size

        end = self.batch_offset
        return self.images[start:end], self.annotations[start:end]

    # 전체 데이터 중에서 랜덤하게 batch_size만큼의 배치 데이터를 가져옵니다.    def get_random_batch(self, batch_size):
        indexes = np.random.randint(0, self.images.shape[0], size=[batch_size]).tolist()
        return self.images[indexes], self.annotations[indexes]

平行宇宙

2019년 8월 25일 일요일

텐서플로로 배우는 딥러닝 10 image segmentation 소스 수정

2019년 8월 16일 금요일

텐서플로, 케라스 GPU 사용하는지 확인

아나콘다 CUDA 환경 셋팅

우분투 CUDA, cuDNN 설치

우분투 NVIDIA 드라이버 설치

2019년 8월 13일 화요일

Tensorboard

2019년 8월 1일 목요일

R 스크립트 한글 깨짐 해결

프로필

블로그 보관함