Pengendali ralat yang produktif

Tugas pengelasan adalah yang paling biasa dalam AI kerana ia memerlukan sedikit perpustakaan. Saya cuba menulis menggunakan sumber pengkompil dalam talian, tanpa memahami selok-belok kerja.

def rle_decode(mask_rle, shape=(1280, 1918, 1)):
    '''
    mask_rle: run-length as string formated (start length)
    shape: (height,width) of array to return 
    Returns numpy array, 1 - mask, 0 - background
    '''
    img = np.zeros(shape[0]*shape[1], dtype=np.uint8)

    s = mask_rle.split()
    starts, lengths = [np.asarray(x, dtype=int) for x in (s[0:][::2], s[1:][::2])]
    starts -= 1
    ends = starts + lengths    
    for lo, hi in zip(starts, ends):
        img[lo:hi] = 1

    img = img.reshape(shape)
    return img

Sebagai contoh, menggunakan fungsi penyahkod topeng 0/1, anda boleh bergantung pada panjangnya. Tetapi untuk menjana paket kelompok rangkaian saraf, anda masih perlu memantau keputusan semasa.

def keras_generator(gen_df, batch_size):
    while True:
        x_batch = []
        y_batch = []

        for i in range(batch_size):
            img_name, mask_rle = gen_df.sample(1).values[0] 
            img = cv2.imread('data/train/{}'.format(img_name))
            mask = rle_decode(mask_rle)

            img = cv2.resize(img, (256, 256)) 
            mask = cv2.resize(mask, (256, 256))

            x_batch += [img] 
            y_batch += [mask]

        x_batch = np.array(x_batch) / 255. 
        y_batch = np.array(y_batch)

        yield x_batch, np.expand_dims(y_batch, -1)

1. Saya suka meletakkan output perantaraan hasil untuk hubungan mata dengan kod
2. Sekiranya hasilnya tidak memuaskan, saya edit fungsi sebelum ini

im_id = 5
fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(25, 25))
axes[0].imshow(x[im_id]) 
axes[1].imshow(pred[im_id, ..., 0] > 0.5) 

plt.show()

Output hasil = hubungan terjamin dengan kod bertulis. Dalam kes ini, pengendalian pengecualian tidak diperlukan.

Atas ialah kandungan terperinci Pengendali ralat yang produktif. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!