二、深度学习-读取数据

@

目录

• 前文
• 正确安装anaconda，以及正确导入tensorflow和keras。
  • 运行anaconda navigator→Environments→create
  • 设置环境名，选择python版本
  • 安装tensorflow和keras
    • 有GPU安装GPU版本
  • 导入tensorflow和keras包
• 使用pandas库里面的read_excel函数读取excecl文件，并展示数据前5行，使用索引的方法读取第一行第一列的数据。
  • 运行Jupyter
  • 使用索引的方法读取第一行第一列的数据
• 使用pandas库里面的read_csv函数读取csv文件，并展示数据前5行。
• 使用OpenCV库读取图片并展示，输出图片的尺寸、形状、数据类型。
• 使用PIL库读取图片并使用.array函数转换为矩阵形式，使用matplotlib包展示图片，输出转换图片的尺寸、形状、数据类型。
• GitHub下载地址

前文

• 一、Windows系统下安装Tensorflow2.x（2.6）

正确安装anaconda，以及正确导入tensorflow和keras。

官网下载，或者镜像下载

Anaconda、清华大学开源软件镜像站

运行anaconda navigator→Environments→create

设置环境名，选择python版本

![[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-tL38ClkV-1635862423114)(file:///C:/Users/Eureka/AppData/Local/Temp/msohtmlclip1/01/clip_image006.jpg)]]( https://img-blog.csdnimg.cn/165a8c7f82ad441594844d26f64c0967.png?x-oss-process=image/watermark ,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBA5p2O5aW956eA,size_20,color_FFFFFF,t_70,g_se,x_16)

修改channels为国内源【清华，每隔五秒同步一次官方】，方便下载

点击播放键运行Terminal

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge 

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/

# 设置搜索时显示通道地址

conda config --set show_channel_urls yes

安装tensorflow和keras

pip install tensorflow==1.15

pip install keras==2.3.1

有GPU安装GPU版本

pip install tensorflow-gpu

#conda安装CUDA和cuDNN。不然无法使用GPU

conda install cudatoolkit cudnn

注意。不带cudnn==x.x.x为最新版本

运行单独环境下的python

检测是否安装好了tensorflow和keras

pip list | find /i "tensorflow"

#“|“是管道符。就是将上一个命令的输出,作为下一个命令的输入

# find ”x”是寻找指定内容x，/I 参数为不区分大小写

pip list | find /i "keras"


运行python

导入tensorflow和keras包

import tensorflow as tf

import keras

\>>> tf.__version__

'1.15.0'

\>>> keras.__version__

'2.3.1'
>>>


使用pandas库里面的read_excel函数读取excecl文件，并展示数据前5行，使用索引的方法读取第一行第一列的数据。

运行Jupyter

或者python也行

#导入pandas包
import pandas as pd

data_yzw =pd.read_excel('D:\Developer\JetBrains\www.jetbrains.com\JetBrainsDemo\PycharmP\Crawler\yzw\研招网专业信息.xls', sheet_name="Sheet1")
#显示前五行
data_yzw [:5]
#显示第一行第一列
data_yzw .iloc[1, 1]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-GhCDyW9q-1635862423119)(file:///C:/Users/Eureka/AppData/Local/Temp/msohtmlclip1/01/clip_image012.jpg)]

使用索引的方法读取第一行第一列的数据


使用pandas库里面的read_csv函数读取csv文件，并展示数据前5行。

# csv文件读取方法
## pandas里面的read_csv

# 如果不设置encoding="gbk"可能不会中文显示成功
data_csv = pd.read_csv("D:\Developer\JetBrains\www.jetbrains.com\JetBrainsDemo\PycharmP\Crawler\yzw\yzw.csv",encoding="gbk")

data_csv[:5]
#data_csv.iloc[1, 1]

![[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-mdUBK6z4-1635862423120)(file:///C:/Users/Eureka/AppData/Local/Temp/msohtmlclip1/01/clip_image016.jpg)]]( https://img-blog.csdnimg.cn/8bb45b39d3be4515a0ad1f3904c9a0e8.png?x-oss-process=image/watermark ,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBA5p2O5aW956eA,size_20,color_FFFFFF,t_70,g_se,x_16)

使用OpenCV库读取图片并展示，输出图片的尺寸、形状、数据类型。

# 图片的读取和展示

## 使用open CV读取

#导入OpenCV包
import cv2

 
#读取图像
cv2_image = cv2.imread('E:\ChromeDownload\Sheya\897028310.jpg')
#显示图像
cv2.imshow('cv2_image', cv2_image)
#等待
cv2.waitKey()
#销毁窗口
cv2.destroyAllWindows()

#图像形状
print(cv2_image.shape)
#图像类型
print(type(cv2_image))

![[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-8D2XEcn7-1635862423122)(file:///C:/Users/Eureka/AppData/Local/Temp/msohtmlclip1/01/clip_image020.jpg)]]( https://img-blog.csdnimg.cn/4a838b83e1274fe89bfacead9cbc2630.png?x-oss-process=image/watermark ,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBA5p2O5aW956eA,size_20,color_FFFFFF,t_70,g_se,x_16)

# 使用kreas读取图片

from keras.preprocessing.image import array_to_img, img_to_array, load_img

import numpy as np

 
#读取图片/加载
load_img = load_img('E:\ChromeDownload\Sheya\880524660.jpg')

load_img_image = np.array(load_img)

print(load_img_image.shape)

print(type(load_img_image))

使用PIL库读取图片并使用.array函数转换为矩阵形式，使用matplotlib包展示图片，输出转换图片的尺寸、形状、数据类型。

import matplotlib.pyplot as plt

img_plt = plt.imread('D:\Developer\ToneC\IDMDL\928679220.jfif')
img_plt_array = np.array(img_plt)
print(img_plt_array)
plt.imshow(img_plt)
plt.show()
print(img_plt.shape)
print(type(img_plt))


GitHub下载地址

TensorflowOne