Trăn bản đồ nhiệt mịn
MATLAB là một nền tảng thực sự phổ biến cho điện toán khoa học trong học viện. Tôi đã sử dụng nó trong suốt bằng cấp kỹ thuật và rất có thể, bạn sẽ nắm bắt được các tệp. mat for the data data was development by the truong đại học Nội dung chính Hiển thị
Đây là một bài viết rút gọn giải thích cách tải các tệp này bằng Python, ngôn ngữ phổ biến nhất cho học máy hiện nay DataTôi muốn xây dựng một bộ phân loại để phát hiện những chiếc xe của các mô hình khác nhau và tạo ra và vì vậy bộ dữ liệu của Stanford Cars dường như là một điểm khởi động tuyệt vời. Đến từ viện nghiên cứu, chú thích cho bộ dữ liệu ở định dạng. chiếu. Bạn có thể nhận được các tập tin được sử dụng trong bài đăng này ở đây Tải. mat filescipy là một thư viện Python thực sự là một biến phổ biến được sử dụng cho điện toán khoa học và khá tự nhiên, chúng có một phương pháp cho phép bạn đọc trong các tệp. chiếu. Reading sure them is easy part. You can complete it in a code line from scipy.io import loadmat Chà, nó thực sự đơn giản. Nhưng để Lừa tiếp tục và hãy cố gắng thực hiện để có được dữ liệu mà chúng ta cần từ điển này Data formatPhương thức LoadMat trả về cấu trúc dữ liệu quen thuộc hơn, từ điển Python. Nếu chúng ta nhìn vào các khóa, chúng ta sẽ thấy bây giờ chúng ta cảm thấy như thế nào với công việc xử lý tệp. chiếu annots.keys() Nhìn vào tài liệu cho bộ dữ liệu này, chúng tôi sẽ tìm hiểu những gì điều này thực sự được tạo ra. đọc tôi. txt cung cấp cho chúng tôi thông tin sau This file gives documentation for the cars 196 dataset. Sự quan tâm của chúng tôi nằm trong biến 'chú thích', vì nó chứa các lớp nhãn và hộp giới hạn của chúng tôi. Nó có một cấu trúc, một loại dữ liệu rất quen thuộc với những người đến từ một ngôn ngữ được đánh máy mạnh mẽ như hương vị của C hoặc Java Một chút đào sâu vào các đối tượng để chúng ta có một số điều thú vị để làm việc với type(annots[‘annotations’]),annots[‘annotations’].shape Các chú thích được lưu trữ ở định dạng numpy. ndarray, tuy nhiên kiểu dữ liệu cho các mục bên trong mảng này là Numpy. void và Numpy không thực sự biết về hình dạng của chúng. cục mịch. void và numpy dường như không thực sự biết hình dạng của chúng Trang tài liệu cho phương thức LoadMat cho tôi biết cách nó tải cấu trúc MATLAB vào các mảng có cấu trúc numpy. Bạn có thể truy cập các thành viên của cấu trúc bằng các từ khóa bằng cách sử dụng các từ khóa. phương thức loadmat cho chúng ta biết cách nó tải các cấu trúc matlab vào các mảng có cấu trúc gọn gàng. Bạn có thể truy cập các thành viên của cấu trúc bằng các phím annots[‘annotations’][0][0][‘bbox_x1’], annots[‘annotations’][0][0][‘fname’]> (array([[39]], dtype=uint8), array(['00001.jpg'], dtype=' Vì vậy, bây giờ chúng ta đã biết cách truy cập các thành viên của cấu trúc, chúng ta có thể lặp lại tất cả chúng và lưu trữ chúng trong một danh sách [item.flat[0] for item in annots[‘annotations’][0][0]]> [39, 116, 569, 375, 14, '00001.jpg'] Tại đây, chúng ta có thể sử dụng phương pháp trục để rút giá trị ra khỏi mảng Xin chào PandasBây giờ chúng ta đã biết cách đối phó với các tệp MATLAB trong Python, hãy để Lừa chuyển đổi nó thành khung dữ liệu Pandas. Chúng ta có thể làm như vậy một cách dễ dàng bằng cách sử dụng danh sách danh sách |