背景：這是 Aurelien Geron 的教科書 Hands on Machine Learning 中的練習題之一。問題是：編寫一個函數，可以將 MNIST 圖像在任何方向（左、右、上、下）移動一個像素。然后為訓練集中的每個圖像創建四個移動副本（每個方向一個）并將它們添加到訓練集中。我的思考過程：我在 X_train 中有一個大小為 (59500, 784) 的 numpy 數組（每行是一個 (28,28) 圖像）。對于 X_train 的每一行：重塑為 784,0寫入空數組將行重塑為 28,28對于每個方向（上、下、左、右）：將新數組附加到 X_train我的代碼：import numpy as npfrom scipy.ndimage.interpolation import shiftdef shift_and_append(X, n): x_arr = np.zeros((1, 784)) for i in range(n): for j in range(-1,2): for k in range(-1,2): if j!=k and j!=-k: x_arr = np.append(x_arr, shift(X[i,:].reshape(28,28), [j, k]).reshape(1, 784), axis=0) return np.append(X, x_arr[1:,:], axis=0)X_train_new = shift_and_append(X_train, X_train.shape[0])y_train_new = np.append(y_train, np.repeat(y_train, 4), axis=0)運行需要很長時間。我覺得這是蠻力的。有沒有一種有效的矢量方法來實現這一點？
1 回答
慕標5832272
TA貢獻1966條經驗 獲得超4個贊
3 個嵌套for循環，帶有if條件，同時整形和追加顯然不是一個好主意；numpy.roll以矢量方式完美地完成了這項工作：
import numpy as np
import matplotlib.pyplot as plt
from keras.datasets import mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train.shape
# (60000, 28, 28)
# plot an original image
plt.gray()
plt.matshow(x_train[0])
plt.show()
我們先演示一下操作：
# one pixel down:
x_down = np.roll(x_train[0], 1, axis=0)
plt.gray()
plt.matshow(x_down)
plt.show()
# one pixel up:
x_up = np.roll(x_train[0], -1, axis=0)
plt.gray()
plt.matshow(x_up)
plt.show()
# one pixel left:
x_left = np.roll(x_train[0], -1, axis=1)
plt.gray()
plt.matshow(x_left)
plt.show()
# one pixel right:
x_right = np.roll(x_train[0], 1, axis=1)
plt.gray()
plt.matshow(x_right)
plt.show()
確定了這一點后，我們可以簡單地生成所有訓練圖像的“正確”版本
x_all_right = [np.roll(x, 1, axis=1) for x in x_train]
對于其他 3 個方向也是如此。
讓我們確認第一張圖片x_all_right確實是我們想要的：
plt.gray()
plt.matshow(x_all_right[0])
plt.show()
您甚至可以避免最后一個列表理解，而使用純 Numpy 代碼，如
x_all_right = np.roll(x_train, 1, axis=2)
這更有效，雖然稍微不那么直觀（只需采用相應的單圖像命令版本并增加axis1）。
添加回答
舉報
0/150
提交
取消