데이터 세트의 txt 파일 만들기 (자세한 설명 포함)
1307 단어 심도 있는 학습
프로그램에 대한 주석을 달았고 실제 측정은 다음과 같이 사용할 수 있습니다.
import os
import random
trainval_percent = 0.8 # ,
train_percent = 0.8 # ,
xmlfilepath = 'T:\mademyself\Annotations' #
txtsavepath = 'T:\mademyself\ImageSets\Main'# txt
total_xml = os.listdir(xmlfilepath) #
num=len(total_xml) #
list=range(num) #0 num
tv=int(num*trainval_percent) #
tr=int(tv*train_percent) #
trainval= random.sample(list,tv)# 0 num tv
train=random.sample(trainval,tr)# trainval tr
ftrainval = open(txtsavepath+'/trainval.txt', 'w')# trainval.txt,
ftest = open(txtsavepath+'/test.txt', 'w')
ftrain = open(txtsavepath+'/train.txt', 'w')
fval = open(txtsavepath+'/val.txt', 'w')
for i in list: #
name=total_xml[i][:-4]+'
' #
if i in trainval: #
ftrainval.write(name)
if i in train:
ftrain.write(name)
else:
fval.write(name)
else:
ftest.write(name)
ftrainval.close()#
ftrain.close()
fval.close()
ftest .close()
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
[Caffe] mnist 인식 프로세스cd $CAFFE_ROOT 트레이닝 데이터 다운로드 ./data/mnist/get_mnist.sh 데이터 세트 만들기: ./examples/mnist/create_mnist.sh 트레이닝 모델: ./examples/...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.