文件读取中 / 即data_root.glob(‘/‘)

最新推荐文章于 2024-09-02 11:14:15 发布

原创最新推荐文章于 2024-09-02 11:14:15 发布 · 2.1k 阅读

6 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #tensorflow

python 同时被 2 个专栏收录

94 篇文章

订阅专栏

图像处理

27 篇文章

订阅专栏

该篇博客介绍了如何利用Python的glob模块遍历指定路径下的所有子目录，并获取其中的所有图片文件。通过data_root.glob('*/*')，可以获取flower_photos文件夹下daisy和dandelion两个子目录中的jpg图片文件。这个方法对于批量处理图片数据非常有用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

用glob获取所有文件并存入列表中。这里*的意思为获取所有文件，因此*/*的意思则为获取文件夹下的所有文件及它们的子文件。

文件路径若为

data_root：

         C:\Users\Administrator\.keras\datasets\flower_photos

其中文件架构若为

flower_photos

|

|————————daisy

         |——————5547758_eea9edfd54_n.jpg

|

|————————dandelion

         |——————7355522_b66e5d3078_m.jpg

则

all_image_paths = list(data_root.glob('*/*'))
print(all_image_paths )

#结果

[WindowsPath('C:/Users/Administrator/.keras/datasets/flower_photos/daisy/5547758_eea9edfd54_n.jpg'), 
WindowsPath('C:/Users/Administrator/.keras/datasets/flower_photos/dandelion/7355522_b66e5d3078_m.jpg')]

data_root.glob('*/*')中的*/*为读取子文件夹daisy和dandelion下的所有图片5547758_eea9edfd54_n.jpg、7355522_b66e5d3078_m.jpg

注意若使用 print(all_image_paths[0] )打印

则

'C:/Users/Administrator/.keras/datasets/flower_photos/daisy/5547758_eea9edfd54_n.jpg'

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Alocus_

关注关注

1
点赞
踩
6

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
打赏
打赏
打赏举报

举报

专栏目录

文件夹与文件的读取，遍历和提取文件名等，glob.glob(),os.path.join()

zhumengxia的博客

01-25

1846

glob.glob() 函数的功能是查找指定文件路径下的文件名列表，可以采用模糊匹配的方式查找。参数：只有一个，文件路径pathname 返回值：指定文件路径下的文件名列表，list类型。 *：匹配0个或者多个字符； ?：匹配单个字符； []：匹配制定范围内的字符，如[0-9]匹配数字例子： import glob #读取文件夹下的所有文件 pathname1=r'E:\python总结\实例数据\读取文件夹下的文件\*' for name in glob.glob(pathname1): p

glob

infinita_LV的博客

01-10

1302

https://lampeter123.iteye.com/blog/546152 显示目录下所有jpg的文件列表了,并且打印的都是绝对路径 >>> import glob >>> list = glob.glob('/home/datasets/yibiaoMerge/train/*.jpg') >>> print(list) ...

参与评论您还未登录，请先登录后发表或查看评论

python glob模块

python学习者的博客

09-19

925

一、 glob模块通配符 1.当前路径下所有py文件 for fname in glob.glob("**/*.py",recursive=True): print(fname) 2.当前路径文件tmp下py文件 ''' 遇到问题没人解答？小编创建了一个Python学习交流QQ群：778463939 寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！ ''' for fname in glob.glob("./tmp/*.py"): print(fname)

data_root = ‘/new-pool/dhd/data/nturgbd‘

qq_34425255的博客

05-15

294

在这个路径下，可以找到包含训练数据、验证数据和测试数据的子文件夹或文件。变量，确保它指向包含相应数据子文件夹的路径。是根目录路径的一部分，用来指定数据集存储在哪个具体的目录或位置上。是数据集的类型，这里是 'PoseDataset'。可能是一个服务器或存储设备中的路径，用来表示数据集的存储位置。时使用了正确的路径，并根据您的实际情况进行相应的调整。是一个长度为 3 的列表，表示图像的标准差。是一个长度为 3 的列表，表示图像的均值，您可以根据您的实际数据集的组织方式来设置。指向的是数据集的根目录。

glob函数的使用方法

weixin_42584758的博客

01-17

341

glob函数是Python中用于查找符合特定规则的文件路径的函数。它使用通配符(如 * 或 ?)来匹配文件名。使用方法如下: import glob# 列出当前目录下所有以.txt结尾的文件 file_list = glob.glob("*.txt") print(file_list) # 列出当前目录及其子目录下所有以.txt结尾的文件 file_list = glob.glob("**/*....

进一步解释data_root = ‘/new-pool/dhd/data/nturgbd‘

qq_34425255的博客

05-15

333

data_root。

将这段代码改成可读取路径下的所有图片，包括子目录下的图片，并输出：import os # os.environ['CUDA_VISIBLE_DEVICES']='3' import sys import argparse import time import torch import torch.nn as nn import torchvision import torch.backends.cudnn as cudnn import torch.optim import model_small import numpy as np from PIL import Image import glob import time # --- Parse hyper-parameters --- # parser = argparse.ArgumentParser(description='PyTorch implementation of CLIP-LIT (liang. 2023)') # parser.add_argument('-i', '--input', help='directory of input folder', default='./input/') parser.add_argument('-i', '--input', help='directory of input folder', default='./buchonginfrared/') parser.add_argument('-o', '--output', help='directory of output folder', default='./result_buchonginfrared/') parser.add_argument('-c', '--ckpt', help='test ckpt path', default='./pretrained_models/enhancement_model.pth') args = parser.parse_args() # U_net = model_small.UNet_emb_oneBranch_symmetry_noreflect(3,1) U_net = model_small.UNet_emb_oneBranch_symmetry(3,1) state_dict = torch.load(args.ckpt) # create new OrderedDict that does not contain `module.` from collections import OrderedDict new_state_dict = OrderedDict() for k, v in state_dict.items(): name = k[7:] # remove `module.` new_state_dict[name] = v U_net.load_state_dict(new_state_dict) U_net.cuda() #U_net.load_state_dict(torch.load('./pretrained_models/enhancement_model.pth')) def lowlight(image_path): data_lowlight = Image.open(image_path)#.convert("RGB") data_lowlight = (np.asarray(data_lowlight)/255.0) data_lowlight = torch.from_numpy(data_lowlight).float().cuda() data_lowlight = data_lowlight.permute(2,0,1) data_lowlight = data_lowlight.unsqueeze(0) light_map = U_net(data_lowlight) enhanced_image = torch.clamp((data_lowlight / light_map), 0, 1) image_path = args.output+os.path.basename(image_path) image_path = image_path.replace('.jpg','.png') image_path = image_path.replace('.JPG','.png') result_path = image_path if not os.path.exists(image_path.replace('/'+image_path.split("/")[-1],'')): os.makedirs(image_path.replace('/'+image_path.split("/")[-1],'')) torchvision.utils.save_image(enhanced_image, result_path) if __name__ == '__main__': with torch.no_grad(): filePath = args.input file_list = os.listdir(filePath) print(file_list) for file_name in file_list: image=filePath+file_name print(image) lowlight(image)

最新发布

07-28

例如：输入文件路径为`./buchonginfrared/subdir1/image1.jpg`，则输出路径应为`./result_buchonginfrared/subdir1/image1.png`。因此，在输出时，我们需要在输出目录下创建相同的子目录。具体修改： - 在`...

07-15

73. `for file_name in glob.glob(os.path.join(path + '/**/VisualApp.localhost.root.log.ERROR*')):`: 遍历日志文件路径中匹配到的文件名。 75. `res = {}`: 创建一个空字典res，用于存储每个文件的结果。 77. `...

class Dataset(torch.utils.data.Dataset): def __init__(self, root): self.root = root if not os.path.exists(self.root): raise Exception("[!] {} not exists.".format(root)) # 这个类的目的是为了读取数据集，如果数据集不存在，就无法读取，因此在构造函数中进行判断，可以保证后续的代码能够正常运行 # sort file names 文件名排序 self.input_paths = sorted( glob(os.path.join(self.root, '{}/*_train.mat'.format("GB_data/Real/noise_data/" + Noise + "/train_data")))) self.label_paths = sorted( glob(os.path.join(self.root, '{}/*_lab.mat'.format("GB_data/Real/noise_data/" + Noise + "/train_lab")))) self.name = os.path.basename(root) # print(self.input_paths) # print(self.label_paths) if len(self.input_paths) == 0 or len(self.label_paths) == 0: raise Exception("No signal/labels are found in {}".format(self.root))

06-10

在构造函数__init__中，接收一个参数root，表示数据集的根目录。如果数据集不存在，就会抛出异常。然后使用glob函数获取数据集中所有训练数据文件的路径，并对文件名进行排序。接着，获取与训练数据对应的标签文件的...

# 获取指定目录下的所有图片路径12 image_paths = glob.glob(directory + "/*.png") + glob.glob(directory + "/*.jpg") for image_path in image_paths: # 读取图片 image = cv2.imread(image_path) # 将图片转换为灰度图像 gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 解码二维码 barcodes = pyzbar.decode(gray) for barcode in barcodes: # 解码得到的二维码数据转换为UTF-8格式 barcode_data = barcode.data.decode("utf-8") # 获取二维码在图片中的位置 (x, y, w, h) = barcode.rect # 更新字典中二维码对应的图片名为最后一次出现的图片名 qr_code_dict[barcode_data] = (barcode_data, image_path, (x, y)) rospy.loginfo(barcode_data) # 打开或创建文件，并以写入模式打开 with open("/root/picture/openmv/qr_codes.txt", "w") as f: #qr_codes为文件名.txt /root/oo/ # 遍历字典中的每个二维码和对应的图片名 for qr_code, image_name in qr_code_dict.items(): #qr_code接收键 image_name接收对应键的值 # 将图片名、二维码信息和坐标写入文件 f.write('{}\t{}\t\n'.format(image_name, qr_code)) # 打开或创建CSV文件，并以写入模式打开 with open("/root/picture/openmv/qr_codes.csv", "w") as csv_file: writer = csv.writer(csv_file) # 写入CSV文件的表头 writer.writerow(["QR Code"]) # 遍历字典中的每个二维码和对应的图片名 for qr_code, image_name in qr_code_dict.items(): # 替换二维码内容中的双引号 qr_code = qr_code.replace('"', '') # 将二维码内容写入CSV文件 writer.writerow([qr_code])

07-15

这段代码是一个示例，它演示了如何使用 Python 的库来读取指定目录下的图片文件，并解析其中的二维码。下面是代码的大致解释： 1. 使用 `glob` 模块来获取指定目录下的所有 `.png` 和 `.jpg` 格式的图片路径，并将...

关于/* 与 /**

追蜗牛的博客

08-13

/*是拦截所有文件夹，不包括子文件夹 /**是拦截所有文件夹，包括子文件夹也被拦截

/**和/*区别

文件读取中 */* 即data_root.glob(‘*/*‘)

文件读取中 / 即data_root.glob(‘/‘)