GoogleColaboratory에서 점점 더 재미

딥 러닝을 시작한 적도 있고, 전장이 이곳으로 옮겼다.
Cloud 개발 환경은 어떻습니까? 라는 느낌이었지만 엄청 편안했다.
이것만 있으면 아무것도 필요 없다.

하지만 이번에는 Colbratory의 이야기가 아닙니다.

시작하는 방법에서부터 쓰는 편이 좋을까 생각했지만, 그것은 맛을 써 가기로 한다. 빨리 쓰지 않으면 잊지 마라 이건.
그 중 여기에 링크 붙여 추기하기로 합니다.

matplotlib을 사용하여 사진을 묘사합시다.

이것을 하는 경위로서는 딥 러닝 과정에서 사진을 표시시키려 했기 때문입니다.
비교적 고전하고 반나절 정도 걸렸다.
그럼, 이하보다 아웃풋입니다.

단일 폴더보다 여러 장의 사진을 그래프에 묘사

문자로 하면 어려울 것 같지만, 모두 하고 있으니까… 고전한 자신이 분하다.
덧붙여 표시시킨 것은 우리 개입니다. Po-chan입니다.

1 | 우선은 토끼에도 모퉁이도 통과합니다.

※GoogleDrive에 데이터가 있는 것이 전제입니다. 별도로 로컬에서 올릴 수 있지만 ...

from google.colab import drive
drive.mount('/content/drive')
input_dir="写真が入っているフォルダのパス"

2 | 대상이 참조되었는지 확인

※GoogleDrive, 약간의 타임 러그가 있거나 한다. 참을성이 있는 사람이야말로 제대로 확인해 주세요. 그리고, 「.jpg」에 특별한 의미는 없습니다. 어쨌든 ".jpg"

import os
import glob
# このセルを実行して保存したjpgファイルが参照できているか確認
l = glob.glob(input_dir+'/*.jpg')
print(l)

3 | 이것으로 일단 할 수 있었습니다.

matplotlib는 찾는다면 굉장히 여러분 정중하게 써주고 있습니다.
나도 고집하지 않으면 여기까지는 시원하게 할 수 있었습니다. (구애되어 반나절이라면 좋을 w)

## Main | 単一フォルダ/複数画像の表示

import matplotlib.pyplot as plt
from keras.preprocessing import image
from keras.preprocessing.image import ImageDataGenerator
from PIL import Image
import glob
import random

## 1 | 画像が格納されているフォルダを指定

files=glob.glob(input_dir + '/*.jpg')
cnt=len(files) 

## 2 | 出力画像/配置設定(なんとなくランダム配置にしてみる)
figrand=random.sample(files, cnt)
col=5
row=cnt//col
cols=col*3
rows=row*4
dpis=100

## 3 | 各画像表示サイズ
fig = plt.figure(figsize=(cols,rows), dpi=dpis)

## 4 | 画像表示
for i, img in enumerate(figrand):
  plot_num=i+1
  ax=fig.add_subplot(row, col, plot_num)
  ac=os.path.basename(img)
  ax.set_title(ac)
  img=Image.open(img)
  plt.imshow(img)

네, 귀엽다.

4 | 이번에는 사용하지 않았지만 메모

사진이 아니라 npy에서 이미지를 출력한다면
코드 마지막 줄의 이것을

이것은 .py

plt.imshow(img)

이쪽으로 하면

이쪽.py

plt.imshow(np.asarray(img))

좋은 것 같습니다.
만약 배열에서 할 때는 추기해 보네요.
이번에는 죄송합니다.

5 | 일단 이번에는 여기까지

다음번에는 「여러 폴더보다 여러 장의 사진을 그래프에 묘사한다」
※실은 하고 싶었던 것은 이쪽