estudo aprofundado [2] ensaio: Leia o caminho da imagem da etiqueta de arquivo CSV

import pandas as pd
import numpy as np
from  pandas import DataFrame as df
import os
import math
import keras
from keras.preprocessing import image
from keras.applications.resnet50 import preprocess_input
from keras.utils import np_utils, Sequence
from sklearn.model_selection import StratifiedShuffleSplit

• Quando cabeçalho = None, que não é especificado no índice da coluna dados do arquivo original, então read_csv para adicionar automaticamente um índice de coluna, a menos que você é dado o nome do índice da coluna.
• cabeçalho = 0, representa a primeira linha da linha de cabeçalho

root=r'C:\Users\liulu\Desktop\huaweicloud\file\train_data\train_data'
file_folder=r'C:\Users\liulu\Desktop\huaweicloud\file\train_data\train_data'
img_path = [] # 每张图片的路径
labels = []  # 每张图片的标签
csv = pd.read_csv(r"C:\Users\liulu\Desktop\huaweicloud\file\train.csv",header=0)

for index in csv.index:
    image = str(csv.loc[index].values[0])
    label = int(csv.loc[index].values[1])
    image_name = os.path.join(file_folder, image)
    img_path.append(image_name)
    labels.append(label)
    
print(len(img_path),len(labels))

Agora, a necessidade conjunto de treinamento para encontrar o seu conjunto de validação do caminho são as imagens, correspondente ao rótulo e, em seguida, pode ser embalado em uma função

def get_data(label_file):   #从csv文件中读取图片路径和标签
        img_paths=[]
        labels=[]
        csv=pd.read_csv(label_file,header=0)  #===0000????
        csv=csv.sample(frac=1.0)  #csv是一个数据框，csv.loc[index]是一个series，.value得到array
        for index in csv.index:
            image=str(csv.loc[index].values[0])
            label=int(csv.loc[index].values[1])
            image_name=os.path.join(file_folder,image)
            img_paths.append(image_name)
            labels.append(label)
        return img_paths,labels
    
train_img_paths,train_labels=get_data(train_label_file)  #get训练csv得到图片路径列表，标签列表
val_img_paths, val_labels = get_data(val_label_file)