[Python 3.xx] Numpy gestion image défaillante

Version imprimable

Bonjour,

Je parts d'une image 128x128 et flatten donne un vecteur 128x128 = 16384
Ensuite après insertion dans un tableau de plusieurs images
la suite des coordonnées de ce vecteur n'est pas conservée

Comment figer ce vecteur ?

Le code python :
Code:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 from PIL import Image x_tr = 1 x_ts = 1 train_images= np.ndarray(shape=(x_tr,128*128)) print(train_images.shape) print(train_images.dtype) for i in tr_images[0:x_tr]: x1 = Image.open('./............./'+i) i1 = np.array(x1)/255.0 vert1 = i1[:,:,1] print('Vert brut :\n',vert1) v1= vert1.flatten() print('--------------------------------------') print('Vert flatten :\n',v1) np.insert(train_images, 0, v1 ,axis=0) del vert1 print('======================================') print('******************************************') print('Vert dans train_images :\n',train_images[0]) print(train_images.dtype)
La sortie :

Citation:

(1, 16384)
float64
Vert brut :
[[0.44313725 0.32941176 0.25882353 ... 0.53333333 0.55294118 0.57647059]
[0.10588235 0.03529412 0.00784314 ... 0.30196078 0.32156863 0.34901961]
[0. 0. 0.00392157 ... 0.00784314 0.00784314 0.00784314]
...
[0.00392157 0.00392157 0.05098039 ... 0.65882353 0.56078431 0.57647059]
[0.00392157 0.01960784 0.09803922 ... 0.6627451 0.57647059 0.60392157]
[0.01176471 0.0627451 0.16470588 ... 0.63529412 0.59215686 0.61960784]]
--------------------------------------
Vert flatten :
[0.44313725 0.32941176 0.25882353 ... 0.63529412 0.59215686 0.61960784]
======================================
******************************************
Vert dans train_images :
[4.65807558e-310 6.91075281e-310 4.65807558e-310 ... 3.92156863e-003
1.56862745e-002 6.66666667e-002]
float64

@+

08/10/2018, 09h37
lg_53

Je ne comprends pas trop votre question, mais la manière dont vous construisez train_images me parait assez douteuse ici. L'initialisation d'abord, et ensuite l'utilisation de np.insert ...

Outre mieux présenter ton problème, tu peux déjà construire train_images en passant par une liste comme suit :
- Initialisation : train_images = []- Au lieu du np.insert utilisé les opérateur sur les listes (append)
- Enfin si on veut un numpy array, transformer la liste en numpy array (appliquer un reverse au besoin si la liste est construite dans le sens inverse)
08/10/2018, 10h01
bm
Citation:

Je ne comprends pas trop votre question

Code:

train_images= np.ndarray(shape=(x_tr,128*128))

C'est ici que numpy créé un array non vide (avec des zéros)
Et ensuite le insert augmente la dimension

Vérification ici : [ Avec Ipython je n'ajoute pas les print() ]
Code:

1 2 3 4 5 6 7 8 x_tr = 1 x_tr_dim =128 del train_images train_images= np.ndarray(shape=(x_tr,x_tr_dim)) train_images = np.insert(train_images, 0, np.arange(128) ,axis=0) train_images.shape (2, 128)
Citation:

train_images[0][0:10]

array([0., 1., 2., 3., 4., 5., 6., 7., 8., 9.])

train_images[1][0:10]

array([4.65190488e-310, 1.00000000e+000, 2.00000000e+000, 3.00000000e+000,
4.00000000e+000, 5.00000000e+000, 6.00000000e+000, 7.00000000e+000,
8.00000000e+000, 9.00000000e+000])

Citation:

Envoyé par bm

Code:

train_images= np.ndarray(shape=(x_tr,128*128))

C'est ici que numpy créé un array non vide (avec des zéros)

FAUX ! Là vous créez un array, et les valeurs qui sont dedans sont justes les valeurs qui étaient en mémoires. Donc des valeurs complètement arbitraires. Une matrice de zéros se créent avec np.zeros.

PREUVE : Suffit de faire une petite matrice à la volée dans votre terminal python :
Code:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 np.ndarray(shape=(10,10)) Out[8]: array([[ 3.37743275e-320, 1.58101007e-322, 2.43530593e-315, 0.00000000e+000, -3.04804843e+034, 2.70308493e-316, 8.46030384e-316, 1.35493366e-217, 1.11962548e-316, 8.45943784e-316], [ 9.17276215e-047, 4.66358049e-317, 8.46030739e-316, -7.35987703e-184, 1.09181788e-316, 8.45939515e-316, 1.61659802e+155, 2.71149827e-316, 8.46006234e-316, 4.28839917e+294], [ 2.70554933e-316, 8.46432276e-316, -1.33580352e+121, 2.71296505e-316, 8.46005522e-316, -9.76785139e-015, 0.00000000e+000, 0.00000000e+000, 9.02296264e-215, 0.00000000e+000], [ 0.00000000e+000, 2.57272949e+164, 4.70641005e-317, 8.46006589e-316, 4.76427718e+087, 2.70156004e-316, 8.45943072e-316, 1.25411639e+173, 0.00000000e+000, 0.00000000e+000], [-7.90461541e+167, 2.71152871e-316, 8.46005878e-316, 3.49576016e+214, 0.00000000e+000, 0.00000000e+000, 9.83979115e+190, 0.00000000e+000, 0.00000000e+000, 2.32885836e+091], [ 0.00000000e+000, 0.00000000e+000, -9.01603424e+032, 0.00000000e+000, 0.00000000e+000, 2.86379662e-171, 9.27213788e-317, 8.46027538e-316, -2.59181295e+090, 2.71298442e-316], [ 8.45943428e-316, -6.55782272e+289, 4.66297180e-317, 8.45941294e-316, -2.40991921e-110, 1.12010492e-316, 8.45940938e-316, 1.31416033e+233, 1.12044049e-316, 8.46008368e-316], [ 7.59098949e-258, 2.71297059e-316, 8.46027182e-316, 9.51773686e+202, 1.09798027e-316, 8.46032162e-316, 4.60429430e+147, 0.00000000e+000, 0.00000000e+000, 3.52598084e-067], [ 0.00000000e+000, 0.00000000e+000, 4.18125755e-045, 0.00000000e+000, 0.00000000e+000, 8.25224556e+139, 9.27208255e-317, 8.46006945e-316, 1.02387206e-203, 2.71149274e-316], [ 8.46012992e-316, 3.97883181e+088, 0.00000000e+000, 0.00000000e+000, 1.08621191e+221, 9.49762944e-317, 8.46025403e-316, -5.00788980e+032, 2.71150381e-316, 8.46024376e-316]])
Ensuite pas la peine de m'expliquer votre code, je vois ce que vous avez fait. Mais :
1) si vous êtes certains que toutes vos lignes de codes sont bonnes et que vous n'êtes pas prêt à remettre en question certaines d'entre elles pourquoi venir ici ? Alors peut que votre insert est bon, mais dans tous les cas le changer en ce que j'ai suggéré permettrait déjà de montrer que vous essayé des choses. Sachant qu'un np.insert est beaucoup plus couteux en mémoire que de traiter avec une liste, puis de passer en array seulement à la fin. Donc le changement proposé n'est pas non plus complètement incensé, sans compté que sa simplifie la structure du code qui deviendra plus clair.
2) je ne vois pas où est votre problème. Le code faisant simplement ce que vous lui demandez de faire ... Vous vous voyez un problème parce que visiblement vous n'avez pas su traduire ce que vous voulez, et c'est cela que je ne comprends pas non plus.

EDIT : Et si vous savez déjà à l'avance la taille de la matrice finale ce qui semble être le cas ici, le mieux reste de la créer avec sa taille finale dès le début, et ensuite d'en remplir les valeurs (et on oublie aussi le np.insert dans ce cas là ! )

Ok : alors faites la suite de votre raisonnement ...
Code:

1 2 3 4 5 6 7 8 9 10 11 12 13 # del a mat = np.array([[1, 2, 3],[4, 5, 6],[7, 8, 9] ]) print(mat) v1 = [1, 2, 3] v2 = [4, 5, 6] v3 = [7, 8, 9] a = [] # a = np.ndarray(shape=(3,3)) a = np.append(a,v1,axis=0) a = np.append(a,v2,axis=0) print('--------------') print(a)
Je veux obtenir les vecteurs lignes v1,v2,v3 en colonne ( mat )
En definissant ndarray avec shape ,append ne fonctionne pas

nb : Tous les vi sont des images et ne sont pas disponibles , mais
une par une après convertion

[Résolu ] : avec des [ ..] dans les array numpy

Comme je l'ai dit, en démarrant par la taille de matrice finale dès le départ, on a plus de insert (ni de append). On update simplement les valeurs, la taille des données ne bougent plus.
Code:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 mat = np.array([[1, 2, 3],[4, 5, 6],[7, 8, 9] ]) print(mat) v1 = [1, 2, 3] v2 = [4, 5, 6] v3 = [7, 8, 9] a = np.zeros((3,3)) print(a) a[:,0]=v1 print(a) a[:,1]=v2 print(a) a[:,2]=v3 print('--------------') print(a)
Mais bon en fait maintenant que votre attente est mieux exprimée je peux vous dire que votre problème se résout en 1 ligne :
Code:

1 2 a=np.transpose(mat) print(a)

08/10/2018, 20h46
bm

Je verrai quelle méthode est la plus rapide :

5000 lignes et 16384 colonnes

Ce n'est qu'un début