مشابه زیر برای داده های MNIST
import numpy as np
from matplotlib import pyplot as plt
from keras.utils import np_utils
from keras.models import Sequential
from keras.layers.core import Dense, Dropout, Flatten
from keras.callbacks import EarlyStopping, ModelCheckpoint
from keras.layers import Conv2D, MaxPooling2D
from keras.optimizers import Adam
from keras.callbacks import EarlyStopping
from keras.datasets import mnist
(X_train, y_train), (X_test, y_test) = mnist.load_data()
اگر بخواهیم برای مجموعه ای ازتصاویر به عنوان مثال تصایر ورودی را تبدیل به آرایه numpy کنیم مشابه زیر:
import tensorflow as tf
import numpy as np
import imageio
import matplotlib.pyplot as plt
try:
from scipy import misc
except ImportError:
!pip install scipy
from scipy import misc
training_size = 600
img_size = 640*480
train_images = np.empty(shape=(training_size, 640*480))
import glob
i = 0
for filename in glob.glob('D:/CASIA/Train60/*.jpg'):
image = imageio.imread(filename)
train_images[i] = image.reshape(-1)
i+=1
اگر من بخوام train_images به جای فلت شدن که بصورت
(600, 307200)
به صورت
(60000, 480, 640)
تبدیل شود چه دستوری رو به برنامه بالا اضافه کنم؟
سپاس